Python 使用 simplejson 与 json 模块解析 JSON 全指南

追风的人

发布时间：2026-10-12 | 1人浏览过

原创

本文详细讲解 Python 中如何使用标准库 json 与第三方 simplejson 模块进行 JSON 数据的读写、解析与格式化输出。通过实际代码演示嵌套字典与列表的逐层提取方法，并对比两者在无 C 扩展环境下的序列化效率，帮助开发者在实际项目中合理选择数据交换方案并规避性能瓶颈。

一、JSON 简介与 Python 模块选择

JSON（JavaScript Object Notation）是一种轻量级、独立于编程语言的数据交换格式。它基于文本，语法简洁，易于人类阅读编写，同时也便于机器解析与生成。现代编程语言普遍支持 JSON 标准，Python 提供了标准库 json 以及功能更丰富的第三方库 simplejson 来进行数据序列化与反序列化。

核心语法结构：

对象（Object）：无序的键值对集合，以 {} 包裹，键值间以冒号分隔，多组之间用逗号分隔。
```
{"name": "Peggy", "email": "peggy@gmail.com"}
```
数组（Array）：有序的值集合，以 [] 包裹，元素间用逗号分隔。
```
[{"name": "Peggy"}, {"name": "John"}]
```

JSON 值支持字符串、数字、布尔值（true/false）、null 以及嵌套的对象或数组。Python 中的字典（dict）与列表（list 分别对应 JSON 的对象与数组。

二、JSON 数据的读写与序列化

在 Python 中，JSON 的序列化（序列化）指将 Python 对象转换为 JSON 字符串或写入文件；反序列化（deserialization）指将 JSON 字符串或文件读取为 Python 对象。官方推荐的操作入口为 json.dumps()/json.loads() 与 json.dump()/json.load()。

第1步：读取外部 JSON 文件

目的：将磁盘上的 JSON 数据载入内存转为 Python 字典或列表。
入口：Python 脚本环境
动作：使用内置 open() 打开文件并调用 json.load()。

import simplejson as json

# 使用 open 替代废弃的 file()，显式指定编码防止乱码
with open('table.json', 'r', encoding='utf-8') as f:
    data = json.load(f)
    print(data)

完成状态：控制台成功输出 Python 字典或列表结构，无异常报错。

第2步：内存对象转换与格式化输出

目的：将 Python 对象转为 JSON 字符串，并通过缩进与按键排序提升可读性。
动作：调用 json.dumps() 配置参数。

# 假设已加载 data = [{'Message': '{"DescibeTableWithPartSpec": "false"}', 'Query': 'desc zt1;', 'Result': 'OK'}]
formatted_json = json.dumps(data, sort_keys=True, indent=4)
print(formatted_json)

[
    {
        "Message": "{\"DescibeTableWithPartSpec\": \"false\"}",
        "Query": "desc zt1;",
        "Result": "OK"
    }
]

参数说明：sort_keys=True 对字典键按字母顺序排列；indent=4 启用 4 空格缩进美化排版。

三、嵌套结构解析实战

实际业务返回的 JSON 往往包含多层嵌套。解析的核心思路是先定类型，再按索引/键名逐级提取。

import simplejson as json

# 模拟读取包含复杂结构的 data.json
with open('data.json', 'r', encoding='utf-8') as f:
    root = json.load(f)

print(type(root))  # <class 'dict'>

第3步：逐层提取字典与列表元素

定位目标字段：进入顶层字典的 'data' 键。

inner_list = root['data']
print(type(inner_list))  # <class 'list'>

获取首个对象：列表需使用整数索引访问，取 [0]。

first_item = inner_list[0]
print(type(first_item))  # <class 'dict'>

提取具体属性：通过 key 获取机器机房名称。

machine_location = first_item['idc']
print(machine_location)  # 杭州德胜机房

操作要领：Python 解析 JSON 后，数据类型会严格映射为 dict/list/str/int/float/bool/NoneType。建议在访问深层键前使用 type() 或 in 运算符校验层级结构，避免 KeyError 或 TypeError。

四、性能对比与最佳实践

虽然 simplejson 兼容性极佳且支持部分高级特性，但在纯 Python 环境（未安装 C 编译扩展）下，其序列化为字符串的速度远低于 Python 3 自带的 json 模块。官方 json 底层默认绑定 C 加速模块，吞吐量通常高出数倍。

基准测试代码逻辑如下（计时循环 1 秒统计序列化次数）：

import time
import json

test_data = {
    'name': '百合',
    'config': {'chips': 1000, 'probability': 0.5},
    'active': True
}

start_time = time.time()
count = 0
while True:
    count += 1
    _ = json.dumps(test_data)
    if time.time() - start_time >= 1:
        break

print(f"loop_num: {count}")

实测环境下，标准 json 模块每秒可处理约 3.6 万次 1KB 数据序列化，而原版 simplejson 在缺乏 C 扩展时通常不足 1500 次。建议常规开发直接采用内置 json 模块获取最高性能；仅在需要特殊编码控制、高精度浮点数或特定容错策略时，才优先考虑升级带有 Cython 编译环境的 simplejson。