Python生态JSON处理库：json、orjson、ujson、simplejson、python-rapidjson、json5、jsonpatch-育师

JSON可以说是Web时代最通用的语言，本文汇总Python生态下几个JSON处理库/框架。

特点	json（Python内置）	orjson（高性能）	json5（支持JSON5格式）	jsonpatch
性能	较慢，纯Python实现，适合小数据量	非常快，C语言实现，序列化快10倍，反序列化快2倍	较慢，纯Python实现，性能最低	较慢
序列化结果	返回字符串（str）	返回字节（bytes），需手动转字符串	返回字符串（str）	字符串
支持数据类型	基本Python类型（dict、list、int等）	支持更多复杂类型（dataclass、datetime、numpy等）	支持JSON5扩展语法（注释、尾逗号、单引号等）	基本Python类型
标准兼容性	严格遵守JSON标准（RFC 8259）	严格遵守JSON标准，不支持NaN和Infinity	支持JSON5扩展，允许注释、NaN、Infinity等	RFC 6902
功能特点	内置，无需安装，简单易用	高性能，适合大数据和复杂类型处理	支持更灵活的JSON5格式，适合配置文件	JSON编辑、修改
缺点	性能较低，功能有限	返回bytes，没文件读写接口，需额外处理	性能慢，不适合性能敏感场景	不适合性能敏感场景

json

Python内置模块，简单易用，适用如下场景：

适合小到中等数据量
支持文件读写，API简单直观
性能一般，序列化大数据时较慢

无需安装，直接看入门示例：

importjson data={"name":"张三","age":30,"is_student":False}# 序列化为JSON字符串，indent=2美化格式，ensure_ascii=False支持中文json_str=json.dumps(data,ensure_ascii=False,indent=2)# 反序列化回Python对象data_back=json.loads(json_str)# 写入JSON文件withopen("data.json","w",encoding="utf-8")asf:json.dump(data,f,ensure_ascii=False,indent=2)# 从文件读取JSONwithopen("data.json","r",encoding="utf-8")asf:data_from_file=json.load(f)

orjson

基于Python和Rust的开源（GitHub，8.2K Star，309 Fork）JSON库，相比标准json模块，速度快3-10倍，内存效率更高。建议在高性能Web应用和大规模数据处理场景中优先使用。

核心优势在于其惊人的序列化速度，API设计简洁直观。

实战

基于pip安装：pip install orjson

示例：

importorjson,datetime,numpy data={"type":"job","created_at":datetime.datetime(1970,1,1),"status":"🆗","payload":numpy.array([[1,2],[3,4]]),}json_bytes=orjson.dumps(data,option=orjson.OPT_NAIVE_UTC|orjson.OPT_SERIALIZE_NUMPY)orjson.loads(_)

dumps方法直接返回bytes类型，避免编码转换开销，性能提升显著。

反序列化同样快速，支持各种数据类型的精确还原。

json_data=b'{"name": "李四", "scores": [95, 87, 92]}'parsed_data=orjson.loads(json_data)

loads方法能够快速解析JSON字节数据，恢复原始数据结构。

完整支持Python主要数据类型，包括datetime和UUID

fromdatetimeimportdatetime,datefromuuidimportuuid4 data={"id":uuid4(),"created_at":datetime.now(),"birthday":date(1995,5,15),"metadata":{"version":1.0,"active":True}}json_output=orjson.dumps(data)

原生支持日期时间和UUID类型，无需自定义序列化器。

提供丰富的选项，满足不同场景的性能需求：

data={"message":"性能测试","items":list(range(1000))}# 紧凑模式，去除空白字符compact_json=orjson.dumps(data,option=orjson.OPT_APPEND_NEWLINE)# 按Key排序，确保输出一致性sorted_json=orjson.dumps(data,option=orjson.OPT_SORT_KEYS)

对比内置json模块的基准测试：

importorjsonimportjsonimporttime data={"users":[{"id":i,"name":f"user_{i}"}fori inrange(1000)]}# 标准json性能start=time.time()for_ inrange(1000):json.dumps(data)json_time=time.time()-start# orjson性能start=time.time()for_ inrange(1000):orjson.dumps(data)orjson_time=time.time()-startprint(f"标准json:{json_time:.3f}秒")print(f"orjson:{orjson_time:.3f}秒")print(f"性能提升:{json_time/orjson_time:.1f}倍")

Web应用集成：

fromflaskimportFlask,Responseimportorjson app=Flask(__name__)@app.route('/api/users')defget_users():users=[{"id":1,"name":"张三","email":"zhang@example.com"},{"id":2,"name":"李四","email":"li@example.com"}]json_data=orjson.dumps(users)returnResponse(json_data,mimetype='application/json')importorjsonimportnumpyasnpdefprocess_large_dataset():# 生成大型数据集large_data={"matrix":np.random.rand(100,100).tolist(),"timestamps":[f"2024-01-{i:02d}"fori inrange(1,32)]}# 快速序列化returnorjson.dumps(large_data)result=process_large_dataset()print(f"序列化数据大小:{len(result)}字节")

ujson

开源（GitHub，4.5K Star，386 Fork）使用C++编写、提供Python绑定的超快JSON处理库。

核心技术：

C语言底层实现，直接操作内存
优化的编码/解码算法
与标准json模块API完全兼容

安装：pip install ujson

示例：

importujson data={"name":"Alice","age":30}json_str=ujson.dumps(data)data=ujson.loads(json_str)# 支持高级选项json_str=ujson.dumps(data,ensure_ascii=False,# 支持非ASCII字符escape_forward_slashes=False,# 不转义正斜杠indent=2# 格式化输出)

simplejson

开源（GitHub，1.7K Star，354 Fork）库，官方文档。

核心技术：

支持更多数据类型（datetime、Decimal等）
更好的错误处理
向后兼容标准库

安装：pip install simplejson

示例：

fromsimplejsonimportdumps,RawJSON payload={"status":"ok","data":RawJSON('{"a": 1, "b": 2}')}dumps(payload)# 支持datetime序列化classDateTimeEncoder(json.JSONEncoder):defdefault(self,obj):ifisinstance(obj,datetime):returnobj.isoformat()returnsuper().default(obj)data={"timestamp":datetime.now()}json_str=json.dumps(data,cls=DateTimeEncoder)

RapidJson

RapidJson是腾讯开源（GitHub，15.1K Star，3.6K Fork）使用C++开发、同时提供SAX/DOM风格API的JSON处理库。

核心技术：

C++底层实现，支持SIMD指令集优化
内存池技术减少内存分配
支持JSON指针和路径查询

在Python生态下，想使用RapidJson，可通过包装器（Wrapper）来实现。

python-rapidjson

PyPi，最后一个版本1.23，发布于25年12月7日，对应开源（GitHub，533 Star，53 Fork）库。

安装：pip install python-rapidjson

示例：

importrapidjson data={'foo':100,'bar':'baz'}dump_str=rapidjson.dumps(data)rapidjson.loads(dump_str)# 自定义classStream:defwrite(self,data):print("Chunk:",data)rapidjson.dump(data,Stream(),chunk_size=5)# 严格模式解析config=rapidjson.ParseFlagNumbersAsStrings|rapidjson.ParseFlagValidateEncoding data=rapidjson.loads(json_str,parse_mode=config)# 生成带格式的JSONjson_str=rapidjson.dumps(data,indent=4,sort_keys=True,ensure_ascii=False)

pyrapidjson

PyPi，最后一个版本0.5.1，发布于17年6月29日，对应开源（GitHub，25 Star，5 Fork）库。

安装：pip install pyrapidjson

json5

对JSON5不了解，可参考JSON衍生：JSON5、JSONL、JSONC、NDJSON、BSON、JSONB、JSONP、HOCON。

PyPi对应开源（GitHub，282 Star，34 Fork）库，能力：

支持注释、尾逗号、单引号字符串、未加引号的键等JSON5特性。
适合用作配置文件，写起来更灵活方便。
性能较慢，不适合对速度要求高的场景。
API和标准json非常类似，容易上手。

实战

安装：pip install json5

示例：

importjson5 json5_text=""" { // 这是注释 unquotedKey: '单引号字符串', trailingComma: true, // 尾逗号允许 } """data=json5.loads(json5_text)json5_str=json5.dumps(data,indent=2)

如果JSON5格式不正确，会抛出json5.JSON5Error异常。

提供高级选项，以满足更复杂的数据处理需求。比如，可通过传递自定义的编码器和解码器类来改变json5的默认行为：

classCustomEncoder(json5.JSONEncoder):defencode(self,obj):# 自定义编码逻辑returnsuper().encode(obj)classCustomDecoder(json5.JSONDecoder):defdecode(self,obj):# 自定义解码逻辑returnsuper().decode(obj)encoder=CustomEncoder()decoder=CustomDecoder()encoded_data=encoder.encode(data)decoded_data=decoder.decode(encoded_data)

jsonpatch

JSON Patch，一种用于描述对JSON文档所做更改的格式。它允许在只有部分数据发生变化时，避免发送整个文档，特别适用于HTTP PATCH方法，可实现HTTP API的部分更新。JSON Patch文档本身也是JSON格式，定义在IETF的RFC 6902中。JSON Patch包括原始文档、补丁和结果。

假设原始文档：

{"baz":"qux","foo":"bar"}

应用如下补丁：

[{"op":"replace","path":"/baz","value":"boo"},{"op":"add","path":"/hello","value":["world"]},{"op":"remove","path":"/foo"}]

结果是：

{"baz":"boo","hello":["world"]}

工作原理：JSON Patch文档是一个包含一系列补丁操作的JSON数组。这些操作按顺序应用，如果任何操作失败，则整个补丁操作应中止。支持操作包括：

add：向对象添加值或将其插入数组中
remove：从对象或数组中删除值
replace：替换值，相当于先执行remove再执行add
move：将值从一个位置移动到另一个位置
copy：将值从文档的一个位置复制到另一个位置
test：测试文档中的指定值是否与提供的值相等

JSON Patch使用JSON Pointer来指定操作的目标位置。JSON Pointer是由/分隔的字符串，用于指定对象中的键或数组中的索引。如果需要指向文档的根，则使用空字符串。

在Go生态下，evanphx/json-patch，可将patch应用到JSON文档上；给出2个JSON文档，自动计算差异，生成patch。C++中，jsoncons内置对JSON Patch的支持。

Python生态下，推荐使用开源（GitHub，496 Star，105 Fork）库，官方文档。

实战

基于pip安装：pip install jsonpatch，会一并安装jsonpointer，路径解析库。

示例太简单：

importjsonpatch original={"baz":"qux","foo":"bar"}patch=[{"op":"replace","path":"/baz","value":"boo"},{"op":"add","path":"/hello","value":["world"]},{"op":"remove","path":"/foo"}]# 应用patchpatched=jsonpatch.apply_patch(original,patch)print(json.dumps(patched,indent=2))

JsonPatch对象

fromjsonpatchimportJsonPatch patch=JsonPatch([{"op":"add","path":"/new_key","value":"new_value"},{"op":"copy","from":"/b","path":"/copied_b"}])doc={"a":1,"b":2}result=patch.apply(doc)print(result)

通过两个文档的diff生成Patch：

original={"a":1,"b":2,"c":[1,2,3]}target={"a":1,"b":3,"c":[1,4]}# 生成diff patchpatch=jsonpatch.make_patch(original,target)# 反向Patchreverse_patch=patch.reverse# 撤销修改reverted=reverse_patch.apply(target)

当patch操作无效（如路径不存在、类型不匹配）时，会抛出JsonPatchException或JsonPointerException：

importjsonpatchfromjsonpatchimportJsonPatchExceptionfromjsonpointerimportJsonPointerException original={"a":1}patch=[{"op":"replace","path":"/non_existent","value":2}]try:result=jsonpatch.apply_patch(original,patch)exceptJsonPointerExceptionase:print("路径错误：",e)# 路径不存在exceptJsonPatchExceptionase:print("Patch错误：",e)# 操作无效

集成Flask

fromflaskimportFlask,request,jsonifyimportjsonpatch app=Flask(__name__)# 模拟数据库中的资源data={"id":1,"name":"Product","price":100}@app.route("/products/1",methods=["PATCH"])defupdate_product():patch=request.json# 客户端发送的patch数组try:globaldata data=jsonpatch.apply_patch(data,patch)returnjsonify(data),200exceptExceptionase:returnjsonify({"error":str(e)}),400if__name__=="__main__":app.run(debug=True)