如何用Python解析JSON和XML文件？

betcha

发布时间：2025-09-04 17:47:01

790人浏览过

来源于php中文网

原创

Python解析JSON和XML主要依赖内置库json和xml.etree.ElementTree，分别用于高效处理结构化数据；对于大型文件，推荐使用ijson或iterparse进行流式解析以优化内存，处理编码问题需显式指定utf-8并捕获JSONDecodeError和ParseError异常，第三方库如ujson、orjson和lxml可显著提升性能与功能。

如何用python解析json和xml文件？

Python解析JSON和XML文件主要依赖其内置库，这是一个非常高效且直接的方法。对于JSON数据，我们通常会用到

json

模块；而处理XML时，

xml.etree.ElementTree

模块（通常简写为

ET

）则是我们的核心工具。它们提供了一套直观的API，让开发者能够轻松地读取、解析并操作这些结构化数据，无论是从字符串还是文件中。

解决方案

在我日常处理数据时，解析JSON和XML文件是再常见不过的任务了。根据数据来源和具体需求，我通常会选择不同的策略。

处理JSON数据时，Python标准库中的

json

模块几乎是我的首选。它的功能非常全面，而且用起来相当直观。

如果我手头是一个JSON格式的字符串，我会直接用

json.loads()

方法把它转换成Python的字典或列表结构：

立即学习“Python免费学习笔记（深入）”；

import json

json_string = '''
{
    "projectName": "数据分析平台",
    "version": "1.2.0",
    "isActive": true,
    "modules": ["数据采集", "数据清洗", "可视化"],
    "config": {
        "database": "PostgreSQL",
        "port": 5432
    },
    "owner": null
}
'''

try:
    project_data = json.loads(json_string)
    print(f"项目名称: {project_data['projectName']}")
    print(f"包含模块: {', '.join(project_data['modules'])}")
    print(f"数据库类型: {project_data['config']['database']}")
except json.JSONDecodeError as e:
    print(f"解析JSON时发生错误: {e}")

# 如果是从文件中读取JSON，通常会使用 json.load()。
# 比如，如果有一个名为 'config.json' 的文件：
# with open('config.json', 'r', encoding='utf-8') as f:
#     file_config = json.load(f)
# print(f"文件中的版本: {file_config['version']}")

至于XML文件，Python内置的

xml.etree.ElementTree

模块（我习惯简写为

ET

）则是我处理XML的首选。它提供了一种轻量级且高效的方式来解析和构建XML文档，非常适合大多数场景。

假设我有一个XML格式的字符串，描述了一些用户配置：

import xml.etree.ElementTree as ET

xml_string = '''

    
        张明
        zhang.ming@example.com
        
            admin
            developer
        
    
    
        李华
        li.hua@example.com
        
            guest
        
    

'''

try:
    # 从字符串解析XML，得到根元素
    root = ET.fromstring(xml_string)

    # 遍历所有的  元素
    for user_elem in root.findall('user'):
        user_id = user_elem.get('id') # 获取属性
        status = user_elem.get('status')
        name = user_elem.find('name').text if user_elem.find('name') is not None else 'N/A'
        email = user_elem.find('email').text if user_elem.find('email') is not None else 'N/A'

        print(f"用户ID: {user_id}, 状态: {status}")
        print(f"  姓名: {name}")
        print(f"  邮箱: {email}")

        # 遍历用户的角色
        roles_elem = user_elem.find('roles')
        if roles_elem:
            user_roles = [role.text for role in roles_elem.findall('role')]
            print(f"  角色: {', '.join(user_roles)}")
        print("-" * 20)

# 如果是从文件中解析XML，通常使用 ET.parse()。
# 示例：
# tree = ET.parse('path/to/your/users.xml')
# root_from_file = tree.getroot()
# print(f"文件根元素标签: {root_from_file.tag}")

except ET.ParseError as e:
    print(f"解析XML时发生错误: {e}")

无论是JSON还是XML，核心思路都是将文件内容读取进来，然后通过相应的解析器将其转换为Python能够理解和操作的数据结构，比如字典、列表或

Element

对象，之后就可以像操作普通Python对象一样来提取所需信息了。

处理大型JSON或XML文件时有哪些性能优化策略？

在处理大型JSON或XML文件时，我常常会遇到内存占用过高和解析速度慢的问题。面对这种情况，我的经验是，不能再简单地一次性加载整个文件了。

对于JSON文件，如果它非常庞大，比如几百MB甚至GB级别，

json.load()

或

json.loads()

可能会直接耗尽内存。这时候，我通常会转向流式解析。Python标准库没有内置的流式JSON解析器，但有一些优秀的第三方库可以解决这个问题，比如

ijson

。

ijson

允许我们按需读取JSON流中的片段，而不是一次性构建整个Python对象图。这意味着我可以只迭代我关心的部分，从而大大减少内存占用。

XML文件也有类似的情况。

xml.etree.ElementTree

在处理中等大小的文件时表现不错，但对于非常大的XML，它同样会一次性构建整个DOM树，导致内存压力。一个常见的优化方法是使用

iterparse()

方法进行增量解析。

iterparse()

允许我们迭代地处理XML事件（比如元素的开始、结束），而不是等待整个文件解析完成。这样，我们可以在处理完一个元素后立即释放其内存，特别适合处理结构重复的大型日志或数据导出文件。

此外，选择性解析也是一个有效的策略。如果我只关心文件中的一小部分数据，我会尽量避免解析整个文件。例如，在XML中，我可能会使用XPath表达式来直接定位和提取我需要的元素，而不是遍历整个树。对于JSON，如果数据结构允许，我可能会在读取文件时就尝试寻找特定的键值对，而不是将所有内容都加载到内存中。

最后，如果性能瓶颈确实非常严重，并且标准库已经无法满足需求，我会考虑使用C语言实现的解析库。例如，

lxml

是Python中一个非常强大的XML处理库，它是基于C语言的

libxml2

和

libxslt

库构建的，性能远超

ElementTree

。对于JSON，

ujson

或

orjson

也是基于C语言实现的，它们在解析和序列化速度上都有显著优势。不过，引入第三方库意味着额外的依赖管理，所以我会根据项目的具体需求和性能目标来权衡。

处理JSON和XML数据中的编码、特殊字符及错误如何避免？

数据解析过程中，编码问题、特殊字符处理以及潜在的错误是绕不开的挑战。我的经验是，提前预防和恰当的错误处理机制能省去很多麻烦。

关于编码问题，UTF-8是现代数据交换的首选，它几乎能表示所有字符。在Python中处理文件时，显式指定编码是一个好习惯。无论是JSON还是XML，当从文件读取时，我都会确保

open()

函数中设置了

encoding='utf-8'

。如果文件编码不确定，可以尝试使用

chardet

这样的库来猜测编码，但这并非万无一失。如果遇到

UnicodeDecodeError

，那十有八九就是编码不匹配了。

使用JSON进行网络数据交换传输中文WORD版

本文档主要讲述的是使用JSON进行网络数据交换传输；JSON（JavaScript ObjectNotation）是一种轻量级的数据交换格式，易于阅读和编写，同时也易于机器解析和生成，非常适合于服务器与客户端的交互。JSON采用与编程语言无关的文本格式，但是也使用了类C语言的习惯，这些特性使JSON成为理想的数据交换格式。和 XML 一样，JSON 也是基于纯文本的数据格式。由于 JSON 天生是为 JavaScript 准备的，因此，JSON的数据格式非常简单，您可以用 JSON 传输一个简单的 St

下载

特殊字符的处理在JSON和XML中有所不同。JSON对特殊字符的处理非常“友好”，它会自动进行转义（如

、

等）。当你用

json.loads()

解析时，这些转义序列会自动转换回原始字符。所以，通常情况下，解析JSON时不太需要担心特殊字符的问题。

XML则更为严格。它有五个预定义的实体引用：

zuojiankuohaophpcn

(),

(&),

('),

(")。如果XML内容中包含这些字符，它们必须被正确地转义。

xml.etree.ElementTree

在解析时会自动处理这些实体引用，将它们转换回原始字符。然而，如果XML文件本身格式不规范，比如直接包含了未转义的

符号，那么解析时就会抛出

ParseError

。因此，确保XML源数据是“良好形成”（well-formed）的至关重要。

错误避免和处理是健壮代码的关键。解析JSON时，最常见的错误是

json.JSONDecodeError

，这通常意味着JSON字符串格式不正确。我习惯将

json.loads()

或

json.load()

调用放在

try-except

块中，以便捕获并处理这类错误，而不是让程序崩溃。

import json

malformed_json = '{"name": "Alice", "age": 30,' # 缺少闭合括号

try:
    data = json.loads(malformed_json)
    print(data)
except json.JSONDecodeError as e:
    print(f"JSON解析失败: {e}")
    # 可以记录日志，或者返回默认值，或者通知用户

解析XML时，

xml.etree.ElementTree.ParseError

是最常见的异常，它表明XML文件结构有问题或包含非法字符。同样，使用

try-except

是必要的。

除了格式错误，数据中缺失的键或元素也是一个常见问题。在JSON中，当我尝试访问一个可能不存在的字典键时，我会使用

dict.get(key, default_value)

方法，而不是直接

dict[key]

，这样可以避免

KeyError

。

data = {"name": "Bob"}
email = data.get("email", "未知邮箱") # 如果'email'不存在，则默认为"未知邮箱"
print(f"Bob的邮箱: {email}")

在XML中，

Element.find()

方法在找不到匹配元素时会返回

None

。因此，在访问其

text

属性之前，我总是会检查返回值是否为

None

，以避免

AttributeError

。

import xml.etree.ElementTree as ET

root = ET.fromstring('Value')
missing_elem = root.find('non_existent_tag')
if missing_elem is not None:
    print(missing_elem.text)
else:
    print("未找到指定元素。")

这些防御性编程技巧能让我的解析代码更加稳定和可靠。

除了标准库，还有哪些第三方库可以提升JSON/XML解析效率或功能？

虽然Python的标准库在JSON和XML解析方面已经相当强大，但在某些特定场景下，第三方库能提供更优的性能、更丰富的功能或更便捷的API。

对于JSON解析，我主要会考虑以下几个库：

```
ujson
```
/
orjson
: 这两个库都是用C语言实现的JSON解析器，它们在解析和序列化速度上比标准库的
```
json
```
模块快得多。如果我的应用需要处理大量的JSON数据，或者对性能有极高的要求，我通常会考虑它们。它们的使用方式与标准库
```
json
```
非常相似，可以无缝替换。
```
# 以orjson为例，用法与json模块类似
# import orjson
# data_bytes = orjson.dumps({"key": "value"})
# data_dict = orjson.loads(data_bytes)
```
```
ijson
```
: 当我需要处理超大型JSON文件（比如几GB）时，
```
ijson
```
是我的救星。它实现了迭代式（或流式）解析，这意味着它不会一次性将整个JSON文件加载到内存中，而是按需解析JSON流中的片段。这对于内存受限的环境或需要处理无限数据流的场景非常有用。它允许我指定要监听的JSON路径，只提取我感兴趣的数据。

在XML解析方面，最强大的第三方库非

lxml

莫属：

```
lxml
```
: 这是Python中最功能丰富且性能卓越的XML处理库，它是基于C语言的
```
libxml2
```
和
```
libxslt
```
库构建的。与
```
xml.etree.ElementTree
```
相比，
```
lxml
```
在解析速度、内存效率以及对XPath和XSLT的支持方面都有显著优势。如果我需要处理复杂的XML结构、进行高级XPath查询、或者对性能有严格要求，
```
lxml
```
几乎是我的首选。它的API设计也与
```
ElementTree
```
高度兼容，迁移成本相对较低。
```
# import lxml.etree as ET
# root = ET.fromstring("Hello")
# print(root.xpath("//item/text()")) # 使用XPath
```
```
BeautifulSoup
```
: 虽然
```
BeautifulSoup
```
主要以其在HTML解析方面的强大能力而闻名，但它也能够解析XML。它的优点是容错性极强，即使面对格式不佳的XML（或HTML）也能尝试解析。如果我处理的XML文件可能不那么规范，或者我更习惯
```
BeautifulSoup
```
的API风格，我也会考虑使用它。不过，对于严格规范的XML解析和高性能需求，
```
lxml
```
通常是更好的选择。