Python 数据类转换为 JSON 的三种方法 | 极客日志

Python

Python 数据类转换为 JSON 的三种方法

Python 中将 dataclass 实例转换为 JSON 格式的三种方案。基础方案利用 dataclasses.asdict 配合 json.dumps；复用性方案通过自定义 JSONEncoder 子类自动识别 dataclass；生产级方案推荐使用 pydantic 库，兼具数据校验与序列化功能。根据场景复杂度选择合适的转换方式。

PentesterX发布于 2026/3/28更新于 2026/4/185 浏览

Python 数据类转换为 JSON 的三种方法

Python 内置的 json 模块默认无法直接序列化 dataclass 实例。以下提供三种从基础到进阶的方案，覆盖简单场景、复用场景及生产环境场景。

方法一：基础方案（dataclasses.asdict + json.dumps）

这是官方推荐的基础方案，通过 dataclasses.asdict() 将数据类实例转为字典，再用 json.dumps() 序列化，适合简单的非嵌套数据类。

import json
from dataclasses import dataclass, asdict

# 定义你的数据类
@dataclass
class EcommerceData:
    order_id: str
    user_id: int
    amount: float
    is_paid: bool

# 创建数据类实例
data_instance = EcommerceData(
    order_id="ORD20260113001",
    user_id=10086,
    amount=299.99,
    is_paid=True
)

# 优雅转换为 JSON
json_str = json.dumps(asdict(data_instance), ensure_ascii=False, indent=2)
print(json_str)

输出结果：

{
  "order_id": "ORD20260113001",
  "user_id": 10086,
  "amount": 299.99,
  "is_paid": true
}

关键解释：

asdict(data_instance)：将 dataclass 实例转为嵌套字典（支持嵌套 dataclass）；

极客日志微信公众号二维码

更多推荐文章

相关免费在线工具

curl 转代码
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。在线工具，curl 转代码在线工具，online
Base64 字符串编码/解码
将字符串编码和解码为其 Base64 格式表示形式即可。在线工具，Base64 字符串编码/解码在线工具，online
Base64 文件转换器
将字符串、文件或图像转换为其 Base64 表示形式。在线工具，Base64 文件转换器在线工具，online
Markdown转HTML
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。在线工具，Markdown转HTML在线工具，online
HTML转Markdown
将 HTML 片段转为 GitHub Flavored Markdown，支持标题、列表、链接、代码块与表格等；浏览器内处理，可链接预填。在线工具，HTML转Markdown在线工具，online
JSON 压缩
通过删除不必要的空白来缩小和压缩JSON。在线工具，JSON 压缩在线工具，online

import json
from dataclasses import dataclass, is_dataclass, asdict

# 自定义 JSON 编码器（自动识别 dataclass 并转换）
class DataClassJSONEncoder(json.JSONEncoder):
    def default(self, obj):
        if is_dataclass(obj):
            return asdict(obj)
        return super().default(obj)

# 定义数据类（嵌套场景）
@dataclass
class UserInfo:
    name: str
    phone: str

@dataclass
class OrderData:
    order_id: str
    user: UserInfo
    total: float

# 创建嵌套数据实例
nested_data = OrderData(
    order_id="ORD20260113002",
    user=UserInfo(name="张三", phone="13800138000"),
    total=599.0
)

# 直接序列化（指定自定义编码器）
json_str = json.dumps(nested_data, cls=DataClassJSONEncoder, ensure_ascii=False, indent=2)
print(json_str)

{
  "order_id": "ORD20260113002",
  "user": {
    "name": "张三",
    "phone": "13800138000"
  },
  "total": 599.0
}

pip install pydantic

from pydantic.dataclasses import dataclass

# 定义带数据校验的 dataclass
@dataclass
class DataServiceResponse:
    code: int
    msg: str
    data: dict
    timestamp: float = 0.0

# 创建实例
response = DataServiceResponse(
    code=200,
    msg="请求成功",
    data={"order_count": 100, "total_amount": 29999.5},
    timestamp=1736764800.0
)

# 一键优雅转 JSON
json_str = response.model_dump_json(indent=2, ensure_ascii=False)
print(json_str)

{
  "code": 200,
  "msg": "请求成功",
  "data": {
    "order_count": 100,
    "total_amount": 29999.5
  },
  "timestamp": 1736764800.0
}