python如何接收json

Python如何接收JSON：从基础到实践的全面指南

在Python开发中，JSON（JavaScript Object Notation）作为一种轻量级的数据交换格式，因其易读性和灵活性，被广泛应用于Web开发、API交互、配置文件存储等场景，Python如何接收JSON数据，是处理跨语言数据交互的基础能力，本文将从JSON的基础概念出发，详细介绍Python中接收JSON的多种方法，包括内置库的使用、异常处理、进阶场景（如文件读取和流式处理）,并通过代码示例帮助你快速上手。

JSON与Python：天然的“默契”

在接收JSON的方法前，需要明确JSON与Python数据类型的对应关系，JSON本质上是一种文本格式，而Python通过内置的json库实现了JSON文本与Python对象之间的相互转换，这种转换的“桥梁”作用,是Python处理JSON的核心优势。

核心方法：json.loads()——将JSON文本转换为Python对象

Python接收JSON数据最常用的场景是：从网络请求、用户输入或文件中读取JSON格式的文本，然后将其转换为Python可操作的对象（如字典、列表），这时，json库的核心函数json.loads()（loads是“load string”的缩写）就派上用场了。

基本语法与示例

json.loads()的语法非常简单：

import json
json_str = '{"name": "Alice", "age": 25, "is_student": false, "courses": ["math", "python"]}'
python_obj = json.loads(json_str)
print(python_obj)
# 输出：{'name': 'Alice', 'age': 25, 'is_student': False, 'courses': ['math', 'python']}

通过上述代码，JSON字符串被成功转换为Python字典：字符串"name"对应字典的键，"Alice"对应值；布尔值false转换为False；数组["math", "python"]转换为列表。

常见错误与异常处理

JSON字符串的格式要求非常严格（如双引号、不能有单引号、布尔值必须是小写等），稍不注意就会导致解析失败,常见的错误包括：

• 引号不匹配：使用单引号包裹JSON字符串（如"{'name': 'Bob"}'）；
• 布尔值或null格式错误：使用True/None等Python格式（如"is_active: True"）；
• 缺少逗号或括号不匹配：如{"name": "Charlie", "age": 30（缺少右大括号）。

json.loads()会抛出json.JSONDecodeError异常，正确的做法是使用try-except捕获异常：

import json
invalid_json_str = "{'name': 'Dave'}"  # 错误：单引号包裹
try:
    python_obj = json.loads(invalid_json_str)
except json.JSONDecodeError as e:
    print(f"JSON解析失败：{e}")
# 输出：JSON解析失败：Expecting property name enclosed in double quotes: line 1 column 2 (char 1)

进阶场景：从文件、网络请求接收JSON

实际开发中，JSON数据往往存储在文件中，或通过HTTP接口（如REST API）返回，Python提供了更便捷的json.load()（注意没有s）和requests库来处理这些场景。

从文件读取JSON：json.load()

如果JSON数据存储在.json文件中（如data.json），可以使用json.load()直接从文件对象读取并解析：

示例文件 data.json：

{
    "id": 1001,: "Python JSON教程",
    "author": "Eve",
    "tags": ["python", "json", "web"]
}

Python代码：

import json
with open("data.json", "r", encoding="utf-8") as f:
    data = json.load(f)
print(data["title"])  # 输出：Python JSON教程

关键点：

• open()需以只读模式（"r"）打开文件，并指定encoding="utf-8"（避免中文乱码）；
• with语句确保文件在读取后自动关闭,避免资源泄漏；
• json.load()的参数是文件对象（f）,而非文件路径字符串。

从网络API接收JSON：requests库

在Web开发中，后端服务常通过API返回JSON数据（如天气API、用户信息API），Python的requests库（需先安装：pip install requests）简化了HTTP请求和JSON解析的过程。

示例：从GitHub API获取用户信息

import requests
import json
url = "https://api.github.com/users/octocat"
try:
    response = requests.get(url)  # 发送GET请求
    response.raise_for_status()  # 检查请求是否成功（状态码非200则抛出异常）
    # response.json()是requests库的便捷方法，内部调用json.loads()
    user_data = response.json()
    print(f"用户名：{user_data['name']}")
    print(f"公开仓库数：{user_data['public_repos']}")
except requests.exceptions.RequestException as e:
    print(f"网络请求失败：{e}")
except json.JSONDecodeError as e:
    print(f"JSON解析失败：{e}")

关键点：

• response.json()是requests库提供的内置方法，会自动将响应内容（需为JSON格式）解析为Python对象，无需手动调用json.loads()；
• 如果响应状态码不是2xx（如404、500），response.raise_for_status()会抛出HTTPError异常,需提前捕获；
• 建议始终检查网络请求和JSON解析的异常,提高代码健壮性。

流式处理：大JSON数据的接收场景

当处理超大JSON文件（如日志文件、数据库导出文件）时，如果直接使用json.load()一次性加载到内存，可能会导致内存溢出（OOM），可以通过流式解析（streaming parsing）逐块读取和处理数据。

Python的ijson库（需安装：pip install ijson）支持流式解析JSON,适合处理GB级别的文件。

示例：使用ijson流式解析大JSON文件

假设有一个large_data.json文件，包含一个大型数组,每个元素是一个用户对象：

[
    {"id": 1, "name": "User1", "email": "user1@example.com"},
    {"id": 2, "name": "User2", "email": "user2@example.com"},
    ...  # 假设有100万条数据
]

使用ijson逐条处理：

import ijson
file_path = "large_data.json"
with open(file_path, "rb") as f:  # 注意：ijson需以二进制模式（"rb"）打开
    # 使用items()迭代数组中的每个对象，"item"是数组的键名（需根据实际JSON结构调整）
    for user in ijson.items(f, "item"):
        print(f"处理用户ID：{user['id']}, 姓名：{user['name']}")
        # 此处可添加业务逻辑，如写入数据库、过滤数据等

关键点：

• ijson以惰性求值的方式解析JSON，仅在需要时读取数据,内存占用极低；
• "item"是JSON数组中元素的占位符，如果JSON结构是{"users": [...]}，则需改为"users.item"；
• 适用于已知JSON结构的场景，如果结构复杂，需提前通过ijson的parse()方法层次。

Python接收JSON的最佳实践