Python中深度嵌套JSON数据的值访问技巧-Python教程-PHP中文网

Python中深度嵌套JSON数据的值访问技巧

DDD

发布： 2025-08-15 23:02:27

原创

1057人浏览过

python中深度嵌套json数据的值访问技巧

本文旨在解决Python中访问深度嵌套JSON数据时遇到的常见问题，特别是当数据结构包含多层列表和字典交错时。我们将通过具体示例，详细讲解如何准确地通过索引和键来导航复杂的数据路径，从而成功提取目标值，避免常见的类型错误，提升数据处理效率。

在处理从API响应或文件读取的JSON数据时，我们经常会遇到包含多层嵌套的复杂结构，其中字典（dict）和列表（list）交替出现。正确地导航这些结构以提取所需数据是Python数据处理中的一项基本技能。本教程将深入探讨如何高效且准确地访问此类深度嵌套数据。

理解嵌套数据结构

要成功访问嵌套数据，首先必须清晰地理解其结构。JSON数据在Python中通常被解析为字典和列表的组合。字典使用键（key）来访问其值，而列表则使用整数索引（index）来访问其元素。混淆这两种访问方式是导致TypeError或KeyError的常见原因。

考虑以下简化后的JSON数据片段：

{
  "liveData": {
    "plays": {
      "allPlays": [
        {
          "runners": [
            {
              "details": {
                "event": "Single",
                "runner": {
                  "id": 656941,
                  "fullName": "Kyle Schwarber"
                }
              }
            }
          ]
        }
      ]
    }
  }
}

登录后复制

我们的目标是从这个结构中提取"id"的值（656941）。让我们一步步分析访问路径：

立即学习“Python免费学习笔记（深入）”；

liveData: 这是一个字典键，其值是一个字典。
plays: 这是一个字典键，其值是一个字典。
allPlays: 这是一个字典键，但其值是一个列表。
[0]: 由于allPlays的值是一个列表，我们需要使用索引来访问列表中的元素。这里我们访问第一个元素（索引为0），它是一个字典。
runners: 这是一个字典键，其值同样是一个列表。
[0]: 再次，由于runners的值是一个列表，我们使用索引访问第一个元素，它也是一个字典。
details: 这是一个字典键，其值是一个字典。
runner: 这是一个字典键，其值是一个字典。
id: 最终，这是我们目标值的字典键。

逐步访问目标值

基于上述分析，我们可以构建一个准确的访问路径。假设JSON数据已经加载到一个名为data的Python字典中：

Find JSON Path Online

Easily find JSON paths within JSON objects using our intuitive Json Path Finder

查看详情

import json

# 模拟从文件或API加载的JSON数据
json_data = """
{
  "liveData": {
    "plays": {
      "allPlays": [
        {
          "runners": [
            {
              "details": {
                "event": "Single",
                "runner": {
                  "id": 656941,
                  "fullName": "Kyle Schwarber"
                },
                "responsiblePitcher": null,
                "isScoringEvent": false,
                "rbi": false,
                "earned": false,
                "teamUnearned": false,
                "playIndex": 6
              }
            }
          ]
        }
      ]
    }
  }
}
"""

# 将JSON字符串解析为Python对象
data = json.loads(json_data)

# 按照分析的路径访问 'id' 值
try:
    id_value = data["liveData"]["plays"]["allPlays"][0]["runners"][0]["details"]["runner"]["id"]
    print(f"成功提取的ID值: {id_value}")
except (KeyError, IndexError) as e:
    print(f"访问数据时发生错误: {e}")
    print("请检查路径中的键名和列表索引是否正确。")

登录后复制

解释：

data["liveData"]：访问根字典中的"liveData"键。
["plays"]：继续访问返回的字典中的"plays"键。
["allPlays"]：访问返回的字典中的"allPlays"键，此时得到的是一个列表。
[0]：对列表使用索引[0]，获取列表中的第一个元素（一个字典）。
["runners"]：访问这个字典中的"runners"键，此时再次得到一个列表。
[0]：再次对列表使用索引[0]，获取列表中的第一个元素（一个字典）。
["details"]：访问这个字典中的"details"键。
["runner"]：访问返回的字典中的"runner"键。
["id"]：最终访问返回的字典中的"id"键，获取目标值。

迭代访问与错误处理

在实际应用中，列表通常包含多个元素，我们可能需要遍历它们来提取所有相关的ID，而不仅仅是第一个。此外，数据结构可能不总是完整或符合预期，因此添加错误处理机制至关重要。

import json

# 模拟从文件或API加载的JSON数据
json_data = """
{
  "liveData": {
    "plays": {
      "allPlays": [
        {
          "runners": [
            {
              "details": {
                "event": "Single",
                "runner": {
                  "id": 656941,
                  "fullName": "Kyle Schwarber"
                }
              }
            },
            {
              "details": {
                "event": "Walk",
                "runner": {
                  "id": 123456,
                  "fullName": "Player Two"
                }
              }
            }
          ]
        },
        {
          "runners": [
            {
              "details": {
                "event": "Double",
                "runner": {
                  "id": 789012,
                  "fullName": "Player Three"
                }
              }
            }
          ]
        },
        {} # 模拟一个可能缺失'runners'键的play
      ]
    }
  }
}
"""

data = json.loads(json_data)
all_runner_ids = []

# 检查最外层键是否存在
if "liveData" in data and \
   "plays" in data["liveData"] and \
   "allPlays" in data["liveData"]["plays"]:

    plays = data["liveData"]["plays"]["allPlays"]

    for play in plays:
        # 检查 'runners' 键是否存在且其值是列表
        if "runners" in play and isinstance(play["runners"], list):
            for runner_data in play["runners"]:
                # 检查 'details' 和 'runner' 键是否存在
                if "details" in runner_data and \
                   "runner" in runner_data["details"] and \
                   "id" in runner_data["details"]["runner"]:

                    runner_id = runner_data["details"]["runner"]["id"]
                    all_runner_ids.append(runner_id)
                else:
                    print(f"警告: 发现一个Runner数据结构不完整: {runner_data}")
        else:
            print(f"警告: 发现一个Play数据结构不完整或缺少 'runners' 键: {play}")
else:
    print("错误: 顶级数据结构不符合预期。")

print("\n所有提取到的Runner IDs:", all_runner_ids)

登录后复制

在这个扩展示例中：

我们使用if key in dict和isinstance(value, list)来安全地检查每个层级是否存在以及类型是否正确，从而避免KeyError或TypeError。
通过嵌套循环，我们能够遍历allPlays列表中的每个play，以及每个play中的runners列表，提取所有符合条件的id值。

注意事项与最佳实践

可视化数据结构： 对于复杂的JSON，使用在线JSON查看器或在Python中打印数据结构（例如使用pprint模块）可以帮助你更好地理解其嵌套层次。
区分字典与列表： 始终记住字典通过键访问，列表通过索引访问。这是最常见的错误源。
迭代与直接访问： 如果你知道某个列表只包含一个你需要的元素，可以直接使用[0]。但如果可能包含多个或不确定数量，迭代是更健壮的方法。
错误处理： 使用try-except块捕获KeyError和IndexError，或者使用dict.get()方法（可以提供默认值）以及if key in dict进行键存在性检查，可以使你的代码更加健壮。
json_normalize的适用性： 对于扁平化复杂JSON结构以方便Pandas DataFrame处理，pandas.json_normalize是一个非常强大的工具。然而，对于仅需提取少数特定深层嵌套值的情况，直接的字典/列表访问可能更直观和高效。