（数据科学学习手札137）orjson：Python中最好用的json库

本文示例代码及文件已上传至我的Github仓库https://github.com/CNFeffery/DataScienceStudyNotes

1 简介

　　大家好我是费老师，我们在日常使用Python的过程中，经常会使用json格式存储一些数据，尤其是在web开发中。而Python原生的json库性能差、功能少，只能堪堪应对简单轻量的json数据存储转换需求。

　　而本文我要给大家介绍的第三方json库orjson，在公开的各项基准性能测试中，以数倍至数十倍的性能优势碾压json、ujson、rapidjson、simplejson等其他Python库，且具有诸多额外功能，下面我们就来领略其常用方法吧~

2 orjson常用方法

　　orjson支持3.7到3.10所有版本64位的Python，本文演示对应的orjson的版本为3.7.0，直接使用pip install -U orjson即可完成安装。下面我们来对orjson中的常用方法进行演示：

2.1 序列化

　　与原生json库类似，我们可以使用orjson.dumps()将Python对象序列化为JSON数据，注意，略有不同的是，orjson序列化的结果并不是str型而是bytes型，在下面的例子中，我们对包含一千万个简单字典元素的列表进行序列化，orjson与json库的耗时比较如下：

2.2 反序列化

　　将JSON数据转换为Python对象的过程我们称之为反序列化，使用orjson.loads()进行操作，可接受bytes、str型等常见类型，在前面例子的基础上我们添加反序列化的例子：

2.3 丰富的option选项

　　在orjson的序列化操作中，可以通过参数option来配置诸多额外功能，常用的有：

• OPT_INDENT_2

　　通过配置option=orjson.OPT_INDENT_2，我们可以为序列化后的JSON结果添加2个空格的缩进美化效果，从而弥补其没有参数indent的不足：

• OPT_OMIT_MICROSECONDS

　　orjson.dumps()可以直接将Python中datetime、time等标准库中的日期时间对象转换成相应的字符串，这是原生json库做不到的，而通过配置option=orjson.OPT_OMIT_MICROSECONDS，可以将转换结果后缀的毫秒部分省略掉：

• OPT_NON_STR_KEYS

　　当需要序列化的对象存在非数值型键时，orjson默认会抛出TypeError错误，这时需要配置option=orjson.OPT_NON_STR_KEYS来强制将这些键转换为字符型：

• OPT_SERIALIZE_NUMPY

　　orjson的一大重要特性是其可以将包含numpy中数据结构对象的复杂对象，兼容性地转换为JSON中的数组，配合option=orjson.OPT_SERIALIZE_NUMPY即可：

• OPT_SERIALIZE_UUID

　　除了可以自动序列化numpy对象外，orjson还支持对UUID对象进行转换，在orjson 3.0之前的版本中，需要配合option=orjson.OPT_SERIALIZE_UUID，而本文演示的3.X版本则无需额外配置参数：

• OPT_SORT_KEYS

　　通过配合参数option=orjson.OPT_SORT_KEYS，可以对序列化后的结果自动按照键进行排序：

• 组合多种option

　　当你的序列化操作需要涉及多种option功能时，则可以使用|运算符来组合多个option参数即可：

2.4 针对dataclass、datetime添加自定义处理策略

　　当你需要序列化的对象中涉及到dataclass自定义数据结构时，可以配合orjson.OPT_PASSTHROUGH_DATACLASS，再通过对default参数传入自定义处理函数，来实现更为自由的数据转换逻辑，譬如下面简单的例子中，我们可以利用此特性进行原始数据的脱敏操作：

　　类似的，针对datetime类型数据，我们同样可以配合OPT_PASSTHROUGH_DATETIME和自定义default函数实现日期自定义格式化转换：

　　orjson更多特性可前往官方仓库https://github.com/ijl/orjson了解更多~

---

　　以上就是本文的全部内容，欢迎在评论区与我进行讨论~