Извлечение данных из JSON-файлов средствами Python: от простого к сложному

Расширенные примеры работы с JSON в Python

Приведённые ниже примеры демонстрируют более сложные сценарии, которые встречаются в реальных проектах.

Пример 1. Чтение вложенного JSON с обработкой ошибок

Файл nested.json содержит вложенные объекты. Необходимо извлечь значение по пути user.address.city, но путь может отсутствовать.

import json

with open('nested.json', 'r', encoding='utf-8') as f:
    data = json.load(f)

try:
    city = data['user']['address']['city']
except KeyError:
    city = 'не указан'
print('Город:', city)

Город: Москва

Можно использовать метод .get() для безопасного доступа:

city = data.get('user', {}).get('address', {}).get('city', 'не указан')

Пример 2. Преобразование типов при загрузке JSON

Иногда требуется преобразовать строки в объекты datetime. Стандартный json.load не делает этого автоматически. Используйте пользовательский декодер.

import json
from datetime import datetime

def custom_decoder(obj):
    if '__datetime__' in obj:
        return datetime.fromisoformat(obj['value'])
    return obj

with open('dates.json', 'r', encoding='utf-8') as f:
    data = json.load(f, object_hook=custom_decoder)

print(data['timestamp'])

При этом JSON должен содержать специальный маркер, например {"__datetime__": true, "value": "2025-03-23T12:00:00"}.

Пример 3. Чтение JSON из нескольких файлов с объединением

Допустим, есть несколько JSON-файлов с данными пользователей. Нужно загрузить их все и объединить в один список.

import json
import glob

all_users = []
for filepath in glob.glob('users_*.json'):
    with open(filepath, 'r', encoding='utf-8') as f:
        data = json.load(f)
        if isinstance(data, list):
            all_users.extend(data)
        else:
            all_users.append(data)

print(f'Загружено {len(all_users)} пользователей')

Загружено 150 пользователей

Пример 4. Чтение JSON из URL с аутентификацией (библиотека requests)

Для доступа к защищённым API используется сессия с токеном.

import requests
import json

session = requests.Session()
session.headers.update({'Authorization': 'Bearer your_token_here'})
response = session.get('https://api.example.com/secure_data.json')
response.raise_for_status()  # Проверка на ошибки HTTP
data = response.json()  # встроенный метод, эквивалентный json.loads(response.text)
print(data['status'])

Пример 5. Потоковое чтение большого массива объектов с ijson

Допустим, файл big_array.json содержит массив из миллионов объектов. Нужно обработать каждый объект по отдельности.

import ijson

with open('big_array.json', 'r', encoding='utf-8') as f:
    # Извлекаем элементы по пути 'item'
    for obj in ijson.items(f, 'item'):
        process(obj)  # ваша функция обработки

# Альтернатива: парсинг с фильтрацией
parser = ijson.parse(f)
for prefix, event, value in parser:
    if prefix == 'item.id' and event == 'number':
        print('ID:', value)

Пример 6. Использование Pathlib для работы с путями

Современный способ чтения файлов с помощью pathlib.Path делает код более читаемым.

import json
from pathlib import Path

file_path = Path('data/config.json')
if file_path.exists():
    with file_path.open('r', encoding='utf-8') as f:
        config = json.load(f)
    print('Настройки загружены')
else:
    print('Файл не найден')

Пример 7. Чтение JSON с комментариями (нестандартный)

Некоторые конфигурационные файлы содержат комментарии (например, //). Стандартный json.load их не понимает. Можно очистить строку заранее.

import json
import re

with open('config_with_comments.json', 'r', encoding='utf-8') as f:
    raw = f.read()
    # Удаление однострочных комментариев
    cleaned = re.sub(r'(?m)//.*?$', '', raw)
    data = json.loads(cleaned)
print(data['database'])

Подобный подход работает только для простых комментариев и не гарантирует корректность для многострочных.

Каждый из этих примеров решает конкретную задачу: обработка ошибок, трансформация данных, работа с сетью, большими объёмами или нестандартным форматом. Выбор зависит от контекста.