将Python数据类转换为JSON的三种方法_Python

文章介绍在 python 中把数据类（dataclass）以优雅、规范的方式转换成 json 格式的方法，这是数据处理场景中非常实用的需求，尤其贴合你作为数据服务商的技术工作场景。

python 内置的json模块默认无法直接序列化dataclass实例，下面我会提供三种从基础到进阶的优雅方案，覆盖简单场景、复用场景和生产级场景，代码可直接复制使用。

方法 1：基础优雅方案（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（贴合数据服务场景：比如电商数据接口的返回数据）
@dataclass
class ecommercedata:
    order_id: str          # 订单id
    user_id: int           # 用户id
    amount: float          # 订单金额
    is_paid: bool          # 是否支付
 
# 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
# 步骤1：转字典 → 步骤2：序列化为json字符串（ensure_ascii=false支持中文，indent美化格式）
json_str = json.dumps(asdict(data_instance), ensure_ascii=false, indent=2)
 
# 输出结果
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）；
json.dumps()的indent=2让 json 格式更优雅，ensure_ascii=false避免中文被转义（数据服务中常处理中文数据）。

方法 2：复用性更强的方案（自定义 json 编码器）

如果需要多次序列化 dataclass，自定义jsonencoder子类是更优雅的方式，无需每次手动调用asdict()。

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):
        # 如果是dataclass实例，自动转字典
        if is_dataclass(obj):
            return asdict(obj)
        # 其他类型沿用默认序列化逻辑
        return super().default(obj)
 
# 定义数据类（嵌套场景，更贴近真实数据服务）
@dataclass
class userinfo:
    name: str
    phone: str
 
@dataclass
class orderdata:
    order_id: str
    user: userinfo  # 嵌套dataclass
    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，无需手动转字典）
json_str = json.dumps(
    nested_data,
    cls=dataclassjsonencoder,  # 核心：指定自定义编码器
    ensure_ascii=false,
    indent=2
)
 
print(json_str)

输出结果：

{
  "order_id": "ord20260113002",
  "user": {
    "name": "张三",
    "phone": "13800138000"
  },
  "total": 599.0
}

关键解释：

重写jsonencoder的default方法，自动识别 dataclass 实例并转换；
支持嵌套 dataclass，更贴合数据服务中复杂数据结构的场景；
一次定义，多处复用，代码更简洁优雅。

方法 3：生产级优雅方案（使用 pydantic，推荐）

作为数据服务商，推荐使用pydantic库（数据校验 + json 序列化一体化），它的dataclass不仅支持一键转 json，还能自动校验数据类型，避免脏数据，是生产环境的首选。

步骤 1：安装 pydantic

pip install pydantic

步骤 2：代码实现

from pydantic.dataclasses import dataclass  # 注意：是pydantic的dataclass
 
# 定义带数据校验的dataclass（数据服务核心需求：数据合法性）
@dataclass
class dataserviceresponse:
    code: int               # 状态码（必须是int）
    msg: str                # 提示信息（必须是str）
    data: dict              # 业务数据（必须是dict）
    timestamp: float = 0.0  # 时间戳（可选，默认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（无需额外处理，自带格式化）
json_str = response.model_dump_json(indent=2, ensure_ascii=false)
 
print(json_str)

输出结果：

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

关键解释：

pydantic.dataclass：自带数据类型校验（比如传入code="200"会直接报错，避免数据类型错误）；
model_dump_json()：一键序列化，无需手动转字典，支持嵌套、默认值、中文等；
贴合数据服务商的核心需求：数据校验 + json 序列化一体化，减少冗余代码。

总结

核心思路：python dataclass 转 json 的关键是先将实例转为可序列化的字典（或 pydantic 结构化数据），再进行 json 序列化；
场景选择：简单场景用asdict()+json.dumps，复用场景用自定义jsonencoder，生产环境优先用pydantic（兼顾校验和序列化）；
数据服务适配：pydantic方案不仅优雅，还能校验数据合法性，是数据服务商处理接口返回、数据传输的最优选择。

以上就是将python数据类转换为json的三种方法的详细内容，更多关于python数据类转换为json的资料请关注代码网其它相关文章！