<think>嗯，用户之前问过如何在Python中过滤JSON中的敏感内容，比如密码。现在他们又问关于json.dumps和json.load的问题。我需要先理解这两个函数的用途和区别。
首先，用户可能是在处理JSON数据时遇到了问题，或者想更深入地了解这两个函数。他们之前已经接触过json模块，用来处理数据过滤，现在想更详细地了解序列化和反序列化的工具。
json.dumps的作用是将Python对象转换成JSON字符串。比如字典转成字符串，方便传输或保存。而json.loads是把JSON字符串转回Python对象。这里用户写的是json.load，可能是指从文件读取，因为json.load是从文件对象加载数据，而json.loads是从字符串加载。需要确认用户是否混淆了这两个函数。
接下来，我需要检查用户的问题是否有拼写错误。原问题中的json.load可能是指json.loads，或者是真的指从文件读取。需要明确区分两者的使用场景。例如，json.dump是将Python对象写入文件，而json.dumps生成字符串。同样，json.load从文件读取，json.loads从字符串解析。
用户可能是在处理数据存储或传输，比如将过滤后的数据保存到文件，或者从网络接收JSON数据。这时候需要用到这些函数。在之前的回答中，用户已经使用了json.dumps来输出过滤后的JSON字符串，所以他们可能对这两个函数的具体用法和区别感兴趣。
需要详细解释每个函数的参数，比如ensure_ascii、indent在dumps中的作用，以及object_hook在loads中的高级应用。还要提醒常见错误，比如处理日期时间对象时需要自定义序列化，或者编码问题。
另外，用户可能在实际使用中遇到了问题，比如非ASCII字符处理，或者嵌套结构的解析。需要给出示例代码，说明如何正确使用这些函数，以及如何处理异常情况。
最后，总结两者的区别，强调dumps和loads处理字符串，而dump和load处理文件，避免混淆。同时，提醒注意数据类型的兼容性，比如Python的None对应JSON的null，列表和字典的转换等。</think>以下是关于Python中`json.dumps()`和`json.loads()`的详细对比与使用说明：
---
### **1. 核心功能**
| 函数 | 作用 | 输入类型 | 输出类型 |
|-----------------|-----------------------------|---------------|---------------|
| `json.dumps()` | 将Python对象转换为JSON格式的字符串 | 字典/列表/基础类型 | **字符串** |
| `json.loads()` | 将JSON格式的字符串解析为Python对象 | 字符串 | 字典/列表/基础类型 |
---
### **2. 基本用法**
#### **(1) `json.dumps()` 示例**
```python
import json
data = {
"name": "张三",
"age": 30,
"is_student": False,
"hobbies": ["阅读", "编程"]
}
# 转换为JSON字符串
json_str = json.dumps(data, ensure_ascii=False, indent=2)
print(json_str)
```
**输出**：
```json
{
"name": "张三",
"age": 30,
"is_student": false,
"hobbies": ["阅读", "编程"]
}
```
**关键参数**：
- `ensure_ascii=False`：允许非ASCII字符（如中文）直接显示
- `indent=2`：格式化缩进，提升可读性
- `default=str`：处理无法序列化的对象（如`datetime`）
---
#### **(2) `json.loads()` 示例**
```python
json_string = '{"city": "北京", "population": 2154, "is_capital": true}'
# 解析为Python字典
parsed_data = json.loads(json_string)
print(parsed_data["city"]) # 输出：北京
print(type(parsed_data)) # 输出：<class 'dict'>
```
**注意**：JSON中的`true`会被转换为Python的`True`
---
### **3. 进阶用法**
#### **(1) 自定义序列化（`default`参数）**
处理复杂对象（如日期）：
```python
from datetime import datetime
data = {
"event": "会议",
"time": datetime.now()
}
# 自定义序列化逻辑
json_str = json.dumps(data, default=lambda x: x.isoformat() if isinstance(x, datetime) else str(x))
print(json_str) # 输出：{"event": "会议", "time": "2023-08-20T15:30:00.123456"}
```
#### **(2) 解析时类型转换（`object_hook`参数）**
将JSON中的特定字段转换为Python对象：
```python
def custom_parser(dct):
if "birthdate" in dct:
dct["birthdate"] = datetime.fromisoformat(dct["birthdate"])
return dct
json_str = '{"name": "李四", "birthdate": "1990-05-15"}'
data = json.loads(json_str, object_hook=custom_parser)
print(data["birthdate"].year) # 输出：1990
```
---
### **4. 常见错误**
#### **(1) 类型不兼容**
```python
# 错误示例：包含Python的set类型
invalid_data = {"tags": {"A", "B"}}
json.dumps(invalid_data) # 报错：TypeError
```
**解决方案**：手动转换类型
```python
json.dumps({"tags": list(invalid_data["tags"])})
```
#### **(2) 编码问题**
```python
# 错误示例：未处理非ASCII字符
data = {"name": "王五"}
json.dumps(data) # 输出：{"name": "\u738b\u4e94"}
```
**解决方案**：添加`ensure_ascii=False`
---
### **5. 关联函数扩展**
| 函数 | 作用 | 适用场景 |
|-----------------|-----------------------------|---------------|
| `json.dump()` | 将Python对象直接写入文件 | 保存JSON到本地文件 |
| `json.load()` | 从文件中读取JSON数据并解析 | 读取本地JSON文件 |
**文件操作示例**：
```python
# 写入文件
with open("data.json", "w", encoding="utf-8") as f:
json.dump(data, f, ensure_ascii=False)
# 读取文件
with open("data.json", "r", encoding="utf-8") as f:
loaded_data = json.load(f)
```
---
### **6. 总结对比**
| 特性 | `json.dumps()` | `json.loads()` |
|--------------------|--------------------------|--------------------------|
| 方向 | **序列化**（Python → JSON） | **反序列化**（JSON → Python） |
| 典型应用场景 | 发送API请求、保存配置 | 解析API响应、读取配置文件 |
| 特殊字符处理 | 依赖`ensure_ascii`参数 | 自动转换Unicode字符 |
| 性能优化 | 使用`separators=(',', ':')`减小体积 | 无特别优化参数 |
扫一扫
611
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
