最直接的方法是使用json.dumps()函数。它能将Python字典转换为JSON字符串，支持indent美化输出、ensure_ascii=False处理中文、separators压缩体积、sort_keys排序键值，并通过default参数处理datetime等非标准类型，避免TypeError。需注意编码设置与循环引用问题，大数据量时可优化结构或分块处理。
在Python里，要把字典变成JSON字符串，最直接、最常用的方法就是使用内置的
json模块里的
json.dumps()函数。说白了，它就是把Python的数据结构“序列化”成JSON格式的文本。
解决方案
import json
# 假设我们有这样一个Python字典
my_dict = {
"name": "张三",
"age": 30,
"isStudent": False,
"courses": ["Math", "Physics"],
"address": {
"street": "科技路",
"city": "深圳"
},
"grades": None
}
# 使用json.dumps()将字典转换为JSON字符串
# indent参数可以用来美化输出，使其更具可读性
# ensure_ascii=False 可以确保非ASCII字符（如中文）正常显示，而不是转义成\uXXXX
json_string = json.dumps(my_dict, indent=4, ensure_ascii=False)
print(json_string)
# 如果不需要美化，直接转换即可，字符串会更紧凑
compact_json_string = json.dumps(my_dict, ensure_ascii=False)
print("\n紧凑的JSON字符串:")
print(compact_json_string)Python字典转JSON时，如何处理非标准数据类型或编码问题？
这其实是个挺常见的问题，也是
json.dumps()在实际应用中需要我们多留意的地方。Python的字典可以包含各种数据类型，但JSON规范对数据类型有严格限制：字符串、数字、布尔值、列表、对象（即字典）和null。像
datetime对象、
set集合，或者自定义类的实例，这些Python特有的数据类型，
json模块默认是不知道怎么处理的。
当
json.dumps()遇到它不认识的数据类型时，通常会抛出一个
TypeError。比如，如果你想把一个
datetime.datetime.now()对象直接序列化，程序就会报错。解决这个问题的关键在于
json.dumps()的
default参数。你可以给它传入一个函数，这个函数会在
json模块遇到无法序列化的对象时被调用。在这个
default函数里，你就可以定义如何将这些非标准类型转换为JSON可识别的类型（比如字符串）。
举个例子：
立即学习“Python免费学习笔记（深入）”；
import json
import datetime
def custom_json_serializer(obj):
if isinstance(obj, datetime.datetime):
return obj.isoformat() # 将datetime对象转换为ISO格式的字符串
# 如果还有其他自定义类型，可以在这里继续添加处理逻辑
# raise TypeError(f"Object of type {obj.__class__.__name__} is not JSON serializable")
# 也可以选择抛出异常，或者返回一个默认值
raise TypeError(f"类型 {type(obj)} 的对象无法被序列化！")
data_with_datetime = {
"event_name": "会议",
"event_time": datetime.datetime.now(),
"attendees": {"Alice", "Bob"} # set类型也是非标准类型
}
try:
# 尝试直接序列化，会报错
json.dumps(data_with_datetime, indent=4, ensure_ascii=False)
except TypeError as e:
print(f"直接序列化失败: {e}")
# 使用default参数处理
json_string_with_custom = json.dumps(data_with_datetime, indent=4, ensure_ascii=False, default=custom_json_serializer)
print("\n处理datetime和set后的JSON字符串:")
print(json_string_with_custom)这里我故意让
custom_json_serializer在遇到
set时也报错，就是为了展示
default函数的逻辑。实际应用中，你可能需要根据业务需求把
set转换成
list。
至于编码问题，这主要涉及到非ASCII字符（比如中文、日文等）。
json.dumps()默认会将这些字符转义成
\uXXXX的形式。虽然这在技术上是完全正确的，但有时候我们希望JSON字符串直接显示这些字符，以提高可读性，尤其是在日志或调试输出时。这时候，
ensure_ascii=False这个参数就派上用场了。它会告诉
json模块，如果遇到非ASCII字符，就直接以UTF-8等编码形式输出，而不是进行转义。我个人觉得，在大多数面向人类阅读的场景下，设置
ensure_ascii=False会让输出更友好。
在Python中，将字典转换为JSON字符串时，有哪些高级格式化技巧和性能考量？
格式化方面，除了前面提到的
indent参数用于美化输出（增加缩进和换行），还有几个参数值得关注。
首先是
separators。默认情况下，
json.dumps()会在键值对之间使用
,（逗号加空格），在键和值之间使用
:（冒号加空格）。如果你想要生成一个最紧凑的JSON字符串，不带任何多余的空格，可以这样设置
separators：
import json
my_data = {"a": 1, "b": 2}
compact_json = json.dumps(my_data, separators=(',', ':'))
print(f"紧凑格式: {compact_json}") # 输出: {"a":1,"b":2}这对于网络传输或者存储空间敏感的场景非常有用，因为它能显著减小JSON字符串的体积。
另一个是
sort_keys参数。如果你希望JSON输出的键总是按字母顺序排列，那么设置
sort_keys=True会很有帮助。这对于比较两个JSON字符串是否相同，或者在某些需要稳定输出顺序的场景下非常有用。
import json
unordered_dict = {"z": 1, "a": 2, "m": 3}
sorted_json = json.dumps(unordered_dict, sort_keys=True, indent=4)
print("\n按键排序的JSON:")
print(sorted_json)至于性能考量，对于大多数日常应用来说，
json模块的性能已经足够优秀了。Python的
json模块底层是C语言实现的，所以效率很高。但在处理极其庞大的字典（比如几十万甚至上百万个键值对）时，还是有一些细节可以考虑。
-
避免不必要的
indent
和ensure_ascii=False
： 如果性能是首要考虑，且输出不需要人类阅读，那么就不要使用indent
参数，也不要设置ensure_ascii=False
。这些操作会增加额外的处理时间和字符串长度。 -
使用
separators=(',', ':')： 这是生成最紧凑JSON字符串的方法，能最大程度地减少内存占用和传输时间。 -
数据结构优化： 有时候，性能瓶颈不是
json.dumps()
本身，而是你构建Python字典的方式。确保字典结构合理，没有冗余数据，或者避免嵌套过深，这都能间接提升序列化效率。 - 考虑分块处理： 如果字典实在太大，内存成为问题，可以考虑将数据分块，逐块序列化并写入文件或流，而不是一次性序列化整个巨大的字典。但这通常是针对非常极端的情况。
总的来说，对于绝大多数场景，
json.dumps()的默认行为加上适当的
indent和
ensure_ascii已经能很好地满足需求，无需过度优化。
Python字典转JSON过程中常见的错误有哪些，以及如何避免？
在Python字典转换为JSON字符串的过程中，确实会遇到一些坑，但只要我们理解JSON的规范和
json模块的工作原理，这些问题通常都能迎刃而解。
最常见的错误就是前面提到的
TypeError: Object of type X is not JSON serializable。这个错误发生的原因是，你试图序列化的Python对象类型（如
datetime对象、
set集合、自定义类的实例，甚至是
Decimal对象等）不在JSON规范允许的类型范围内。
如何避免：
-
使用
default
参数： 这是解决这类问题的标准方法。为json.dumps()
提供一个default
函数，用于将非JSON标准类型转换为JSON可识别的类型（比如将datetime
转换为ISO格式的字符串，将set
转换为list
）。 -
预处理数据： 在调用
json.dumps()
之前，手动遍历你的字典，将所有非标准类型的数据转换为标准类型。这在某些复杂场景下可能更清晰，或者当default
函数逻辑变得过于复杂时。
另一个可能遇到的问题是关于编码的。如果你没有设置
ensure_ascii=False，而你的JSON字符串中包含中文等非ASCII字符，那么输出的会是
\uXXXX形式的转义字符。这虽然不是一个“错误”，但可能不符合你的预期，导致在某些场景下难以阅读或调试。
如何避免：
-
理解
ensure_ascii
参数： 如果你需要直接显示非ASCII字符，请务必设置ensure_ascii=False
。这样json.dumps()
就会直接输出UTF-8编码的非ASCII字符，而不是进行转义。
还有一种情况是，你的字典中包含了循环引用。虽然Python的字典本身不太容易出现循环引用（除非值是可变对象且相互引用），但如果你的数据结构比较复杂，比如自定义类实例之间存在循环引用，那么在尝试序列化时可能会导致无限递归，最终抛出
RecursionError。
如何避免：
- 设计无循环引用的数据结构： 尽量避免在数据结构中出现循环引用。
-
手动处理循环引用： 如果确实存在，你需要在
default
函数中加入逻辑来检测并处理循环引用，例如将其替换为某个标识符或空值。
最后，值得一提的是
json.dump()和
json.dumps()的区别。
json.dumps()是将Python对象转换为JSON“字符串”，而
json.dump()则是将Python对象直接写入一个“文件对象”（file-like object）。如果你需要将JSON直接写入文件，使用
json.dump()会更高效，因为它避免了先在内存中构建整个字符串再写入文件的中间步骤。
import json
data_to_write = {"message": "Hello, file!", "value": 123}
# 使用json.dump()直接写入文件
with open("output.json", "w", encoding="utf-8") as f:
json.dump(data_to_write, f, indent=4, ensure_ascii=False)
print("\n数据已写入 output.json 文件。")理解这些常见错误和它们的解决方案，能让你在处理Python字典到JSON字符串的转换时更加得心应手，避免不必要的挫折。
