Python数据类转换为JSON的常用方法总结_Python

python 标准库的json模块默认无法直接序列化自定义的dataclass实例（会报object of type xxx is not json serializable），核心原因是json只支持基础类型（str/int/list/dict 等）。下面我会从基础到进阶给出 4 种优雅的转换方法，覆盖简单场景到生产级复杂场景，你可根据需求选择。

前置准备：定义测试数据类

先定义一个典型的嵌套数据类，作为后续转换的示例：

from dataclasses import dataclass, asdict
import json
from datetime import datetime  # 包含非基础类型，模拟真实场景

# 嵌套子数据类
@dataclass
class address:
    province: str
    city: str
    detail: str = ""  # 可选字段

# 主数据类
@dataclass
class user:
    id: int
    name: str
    age: int
    register_time: datetime  # 非json原生类型
    address: address  # 嵌套数据类
    tags: list[str] = none  # 可选列表字段

# 创建测试实例
test_user = user(
    id=1001,
    name="张三",
    age=28,
    register_time=datetime(2026, 1, 19, 10, 30),
    address=address(province="浙江省", city="杭州市", detail="西湖区xx路"),
    tags=["vip", "新用户"]
)

方法 1：基础版 -dataclasses.asdict手动转换（简单场景）

这是最基础的优雅方式，利用dataclasses内置的asdict方法将数据类转成字典，再用json.dumps序列化。

代码实现：

# 步骤1：将dataclass转成普通字典
user_dict = asdict(test_user)
# 步骤2：处理非json原生类型（如datetime）
user_dict["register_time"] = user_dict["register_time"].isoformat()

# 步骤3：序列化为json字符串
user_json = json.dumps(user_dict, ensure_ascii=false, indent=2)
print(user_json)

输出结果：

{
  "id": 1001,
  "name": "张三",
  "age": 28,
  "register_time": "2026-01-19t10:30:00",
  "address": {
    "province": "浙江省",
    "city": "杭州市",
    "detail": "西湖区xx路"
  },
  "tags": ["vip", "新用户"]
}

关键解释：

asdict(test_user)：核心函数，将数据类实例递归转换为普通字典（嵌套的address也会被转成字典）；
ensure_ascii=false：保留中文等非 ascii 字符，避免转成\uxxxx编码；
indent=2：格式化输出，提升可读性；
需手动处理datetime等非 json 原生类型（json 仅支持字符串 / 数字 / 布尔 / 列表 / 字典 /null）。

方法 2：进阶版 - 自定义jsonencoder（通用可扩展）

如果有多个数据类需要转换，手动处理非基础类型会很繁琐，推荐自定义jsonencoder，实现统一的序列化规则。

代码实现：

class dataclassjsonencoder(json.jsonencoder):
    """自定义json编码器，支持dataclass和常见非基础类型"""
    def default(self, obj):
        # 第一步：处理dataclass实例
        if hasattr(obj, "__dataclass_fields__"):  # 判断是否是dataclass
            return asdict(obj)
        # 第二步：处理datetime类型
        if isinstance(obj, datetime):
            return obj.isoformat()
        # 第三步：其他类型交给父类处理（会抛出标准异常）
        return super().default(obj)

# 直接使用自定义编码器序列化
user_json = json.dumps(
    test_user,
    cls=dataclassjsonencoder,  # 指定自定义编码器
    ensure_ascii=false,
    indent=2
)
print(user_json)

关键解释：

继承json.jsonencoder并重写default方法：这是json模块扩展序列化规则的标准方式；
__dataclass_fields__：dataclass 实例的内置属性，用于判断是否为数据类；
可扩展：如需支持date/uuid等类型，只需在default方法中新增isinstance判断即可；
无需手动转字典，直接序列化数据类实例，代码更简洁。

方法 3：优化版 - 封装成工具函数（复用性拉满）

将转换逻辑封装成工具函数，一键调用，适合项目中多处使用的场景：

def dataclass_to_json(obj, indent=2):
    """
    数据类转json字符串的工具函数
    :param obj: 数据类实例（支持嵌套）
    :param indent: 格式化缩进，none表示紧凑输出
    :return: json字符串
    """
    return json.dumps(
        obj,
        cls=dataclassjsonencoder,
        ensure_ascii=false,
        indent=indent
    )

# 调用示例（一行搞定）
user_json = dataclass_to_json(test_user)
print(user_json)

方法 4：高级版 - 使用pydantic（生产环境推荐）

如果你的场景需要数据验证 + 优雅序列化，推荐直接使用pydantic（python 生态中最主流的数据验证库），它的basemodel比原生dataclass更强大，且原生支持 json 转换。

前置依赖：

pip install pydantic

代码实现：

from pydantic import basemodel
from datetime import datetime

# 替换原生dataclass为pydantic.basemodel
class address(basemodel):
    province: str
    city: str
    detail: str = ""

class user(basemodel):
    id: int
    name: str
    age: int
    register_time: datetime
    address: address
    tags: list[str] = none

    # 可选：自定义json序列化配置（如datetime格式）
    class config:
        json_encoders = {
            datetime: lambda v: v.strftime("%y-%m-%d %h:%m:%s")  # 自定义时间格式
        }

# 创建实例（pydantic会自动验证字段类型）
test_user = user(
    id=1001,
    name="张三",
    age=28,
    register_time=datetime(2026, 1, 19, 10, 30),
    address=address(province="浙江省", city="杭州市", detail="西湖区xx路"),
    tags=["vip", "新用户"]
)

# 原生支持json转换（一行搞定）
user_json = test_user.json(ensure_ascii=false, indent=2)
print(user_json)

输出结果（时间格式自定义后）：

{
  "id": 1001,
  "name": "张三",
  "age": 28,
  "register_time": "2026-01-19 10:30:00",
  "address": {
    "province": "浙江省",
    "city": "杭州市",
    "detail": "西湖区xx路"
  },
  "tags": ["vip", "新用户"]
}