电器企业网站建设,黄骅市在哪里,域名解析网站建设,led 网站模板Python中的JSON工具库 普通玩家#xff1a;json与simplejson1、json2、simplejson 高性能玩家#xff1a;orjson、ujson与rapidjson1、性能 PK#xff08;序列化与反序列化#xff09;2、基本使用 PK#xff08;序列化与反序列化#xff09; Python对JSON非常友好#x… Python中的JSON工具库 普通玩家json与simplejson1、json2、simplejson 高性能玩家orjson、ujson与rapidjson1、性能 PK序列化与反序列化2、基本使用 PK序列化与反序列化 Python对JSON非常友好很多时候dict类型在形式上看起来就是JSON而内置的json库通过loads()和dumps()两组方法恰当好处地将两者合二为一以至于绝大多数时候没有必要去考虑引入一个新的方式来处理JSON。当然Python社区是不会满足于大多数情况的本文将从大多数情况的使用开始介绍一下Python中各种优秀的JSON工具库。
普通玩家json与simplejson
1、json
json是Python内置标准库开箱即用。json库也非常简单就两组序列化编码、反序列化解码方法下面我们来详细介绍它的使用。
基本使用
Python对象与JSON字符串的互相转化
data {name: Alice, age: 30, is_active: True}# json.dumps将 Python 对象转为 JSON 字符串
json_str json.dumps(data)
print(json_str) # {name: Alice, age: 30, is_active: true}# json.loads将JSON 字符串转为 Python 对象
parsed json.loads(json_str)
print(parsed[name]) # Alice以下是Python 类型与JSON 类型的转化对照注意json 库无法直接处理datetime, Decimal, UUID 等常用内建类型以及自定义类对象。
Python 类型JSON 类型dictobjectlist, tuplearraystrstringint, floatnumberTrue / Falsetrue / falseNonenull
JSON文件的读取与写入
#json.dump写入 JSON 到文件
with open(data.json, w, encodingutf-8) as f:json.dump(data, f, indent2)#json.load从文件读取 JSON
with open(data.json, r, encodingutf-8) as f:loaded json.load(f)
print(loaded[age]) # 30注意json 库处理超大 JSON 文件时如 GB 级json.load() 会一次性读取内存效率低甚至崩溃。
进阶使用
通过配置参数来优化输出JSON字符串
json.dumps(obj, *, skipkeysFalse, ensure_asciiTrue, indentNone, sort_keysFalse)具体参数说明
参数名说明indent2美化输出缩进sort_keysTrue字典按 key 排序输出ensure_asciiFalse输出非 ASCII 字符如中文defaultfunction自定义无法序列化对象的处理方式
使用 default 参数实现自定义对象的支持
from datetime import datetimeclass User:def __init__(self, name):self.name nameself.created datetime.now()u User(Alice)def encode_user(obj):if isinstance(obj, User):return {name: obj.name, created: obj.created.isoformat()}if isinstance(obj, datetime):return obj.isoformat()raise TypeError(Not serializable)print(json.dumps(u, defaultencode_user, indent2))2、simplejson
simplejson 是 Python 的一个第三方 JSON 库是标准库 json 的超集提供更强大的功能与兼容性。它最初就是标准库 json 的前身所以用法非常相似但提供了更多扩展选项如精度控制、Decimal 支持、自定义编码等。 安装
pip install simplejson基本使用 simplejson也包含了loads\load,dumps\dump两组序列化编码、反序列化解码方法且使用方法与内置的json库一模一样在此不再赘述。
进阶使用 使用 Decimal 类型simplejson支持Decimal类型的序列化与反序列化
from decimal import Decimaldata {price: Decimal(19.99)}# 支持 Decimal不会强制转 float
json_str json.dumps(data, use_decimalTrue)
print(json_str) # {price: 19.99}# 正确解析为 Decimal
parsed json.loads(json_str, use_decimalTrue)
print(type(parsed[price])) # class decimal.Decimal使用参数simplejson中支持更加灵活的参数配置
json.dumps(obj,skipkeysFalse,ensure_asciiTrue,check_circularTrue,allow_nanTrue,clsNone,indentNone,separatorsNone,defaultNone,use_decimalTrue,namedtuple_as_objectTrue,tuple_as_arrayTrue,bigint_as_stringFalse,sort_keysFalse
)自定义对象序列化如果对象实现了 .for_json() 方法simplejson 会自动调用它
class User:def __init__(self, name):self.name namedef for_json(self):return {user: self.name}user User(Alice)
print(json.dumps(user)) # {user: Alice}高性能玩家orjson、ujson与rapidjson
对于高性能玩家来说Python社区中主要有orjson、ujson与rapidjson三大性能库。其中orjson使用Rust实现使用了 SIMD 和零拷贝专为性能而生ujson则是C 实现主打轻量级而rapidjson基于C 实现属于功能和性能的平衡型选手。下面是三大性能库的具体使用PK。
1、性能 PK序列化与反序列化
我们基于下列代码对orjson、ujson与rapidjson进行了性能测试
import orjson, ujson, rapidjson, json
import timedata [{id: i, name: fuser{i}, active: True, score: i * 0.5} for i in range(100000)]def test(lib, dumps_func, loads_func):t1 time.time()s dumps_func(data)t2 time.time()obj loads_func(s)t3 time.time()print(f{lib}: dumps{t2 - t1:.4f}s, loads{t3 - t2:.4f}s)test(orjson, orjson.dumps, orjson.loads)
test(ujson, ujson.dumps, ujson.loads)
test(rapidjson, rapidjson.dumps, rapidjson.loads)
test(json, json.dumps, json.loads)基于 10 万条数据的序列化dumps和反序列化loads性能测试结果单位秒越低越好大致可以得到一个这样的结果
库名dumps 时间loads 时间总体性能评价orjson 最快~0.09s 最快~0.08s 超高速ujson次快~0.13s次快~0.12s 快rapidjson稍慢~0.18s稳定~0.15s 中等json内置 ~0.27s ~0.23s 慢
2、基本使用 PK序列化与反序列化
在基本的序列化与反序列化操作上orjson、ujson、rapidjson都保持了json库的简洁
# orjson
import orjson
orjson.dumps({x: 1}) # → b{x:1}
orjson.loads(b{x:1}) # → {x: 1}# ujson
import ujson
ujson.dumps({x: 1}) # → {x:1}
ujson.loads({x:1}) # → {x: 1}# rapidjson
import rapidjson
rapidjson.dumps({x: 1}) # → {x:1}
rapidjson.loads({x:1}) # → {x: 1}当然在细节上它们仍有以下区别
用法orjsonujsonrapidjson序列化orjson.dumps(data) → bytesujson.dumps(data) → strrapidjson.dumps(data) → str反序列化orjson.loads(bytes/str)ujson.loads(str)rapidjson.loads(str)注意点返回 bytes需 .decode()无 datetime 支持返回 str兼容性强
另外它们对高级类型的支持情况也大相径庭
功能特性orjsonujsonrapidjson✅ 支持 datetime✅ ISO 格式❌✅ 可配置格式✅ 支持 Decimal⚠️ 转为 float❌✅ 原生支持✅ 自定义对象序列化✅ 支持 default❌✅ 支持 default✅ 精度控制float、NaN✅ option 参数❌✅ 多选项支持✅ 缩进与格式化输出✅有❌✅ indent 参数✅ 输出类型bytesstrstr
总体而言对于高性能玩家来说orjson是一个不错的选择它有着比json标准库更好的性能同时也支持更多的高级类型。
