Python 处理JSON/接口高性能序列化神器:orjson

核心优势

• ✅ 性能拉满：序列化/反序列化速度是标准json的3~10倍，百万级数据无压力
• ✅ 原生兼容业务类型：datetime、date、bytes、Decimal、UUID、numpy数值无需自定义转换器
• ✅ 两种输出模式：紧凑二进制（接口传输）/格式化字符串（调试打印）
• ✅ 低内存占用，大批量列表/嵌套字典不内存溢出
• ✅ 严格遵循JSON标准，支持自定义忽略字段、排序key、浮点数精度控制
• ✅ 兼容pformat输出风格，可配合pprint做调试可视化

适用场景

• 接口服务：HTTP请求返回JSON、接口入参解析
• 数据工程：DuckDB/MySQL批量查询结果转JSON、日志持久化
• 自动化测试：接口返回体解析、测试用例数据序列化存储
• 大数据处理：海量列表、多层嵌套业务数据转换
• 本地缓存：结构化数据落地文件、内存数据流转

⚙️ 安装方式

pip一键安装，支持Windows/Mac/Linux全平台

pip install orjson

💻 高频实战代码

1、基础序列化/反序列化（对比原生json）

import orjson
# 业务嵌套数据，数据库查询结果通用格式
data ={
"user_id":10086,
"name":"运营测试账号",
"create_time":"2026-08-07 15:30:00",
"order_list":[
{"order_id":"OD20260807001","amount":99.9,"pay_status":1},
{"order_id":"OD20260807002","amount":199.9,"pay_status":0}
]
}
# 1. 紧凑二进制输出（接口传输推荐，体积最小）
json_bytes = orjson.dumps(data)
print(json_bytes)
# 2. 格式化美化输出（调试查看，等同pprint排版效果）
json_str = orjson.dumps(data, option=orjson.OPT_INDENT_2).decode("utf-8")
print(json_str)
# 3. 反序列化，转回字典
parse_data = orjson.loads(json_bytes)

2、原生支持datetime/Decimal（无需手动转换，原生json必踩坑）

import orjson
from datetime import datetime
from decimal importDecimal
# 包含时间、金额小数的业务数据
biz_data ={
"create_dt": datetime.now(),
"balance":Decimal("12580.66"),
"uid": b"user_192168"
}
# 直接序列化，无需自定义default转换函数
res = orjson.dumps(biz_data, option=orjson.OPT_INDENT_2 | orjson.OPT_SERIALIZE_DECIMAL2)
print(res.decode("utf-8"))

3、大批量列表数据高性能转换（数据库批量查询场景）

import orjson
import time
# 模拟10万条数据库订单数据
batch_data =[{"id": i,"price": i *10.5,"tag":["已结算","dev环境"]}for i in range(100000)]
start = time.time()
# 大批量数据快速序列化
result = orjson.dumps(batch_data)
end = time.time()
print(f"10万条数据序列化耗时：{end - start:.4f}s")

4、自定义格式化配置，过滤/排序key

import orjson
data ={"z":1,"a":2,"b":3}
# OPT_SORT_KEYS：字典key自动排序；OPT_INDENT_2：2空格缩进美化
pretty_json = orjson.dumps(data, option=orjson.OPT_INDENT_2 | orjson.OPT_SORT_KEYS).decode()
print(pretty_json)

5、配合pprint联合调试（内存数据双重美化）

from pprint import pprint
import orjson
data ={"info":{"order":[{"price":99.9,"time":"2026-08-07"}]}}
# orjson转格式化字符串，再用pprint打印
json_text = orjson.dumps(data, option=orjson.OPT_INDENT_4).decode()
pprint(json_text)

📌 核心方法&参数简单说明

• orjson.dumps(obj,option=0)：对象序列化为bytes二进制
• option=orjson.OPT_INDENT_2：开启2空格格式化缩进（调试专用）
• option=orjson.OPT_SERIALIZE_DATETIME：自动序列化datetime时间
• option=orjson.OPT_SERIALIZE_DECIMAL2：高精度序列化Decimal金额
• option=orjson.OPT_SORT_KEYS：字典key自动升序排列
• orjson.loads(bytes/str)：JSON字符串/二进制反序列化为Python原生字典/列表

⚠️ 日常踩坑提醒

1. dumps 默认返回 bytes二进制，打印/存文本文件需要 .decode("utf-8") 转字符串，和标准json库返回字符串有区别
2. 不支持序列化无法转换的自定义类，复杂对象需提前拆解为字典
3. 追求极致性能时不要加 OPT_INDENT_2格式化参数，仅调试场景使用
4. 不能直接写入文件对象，需先decode转字符串，或直接write二进制

字符串持久化写法（日志/文件存储）

import orjson
data ={"name":"测试数据"}
# 美化字符串
pretty_str = orjson.dumps(data, option=orjson.OPT_INDENT_2).decode("utf-8")
# 写入文件
with open("data.log","w", encoding="utf-8")as f:
    f.write(pretty_str)

✅ 总结

如果你日常写Python接口、数据解析、数据库批量处理、自动化测试脚本，原生标准json库直接替换成orjson！ 速度碾压标准库、自带业务类型兼容、格式化输出开箱即用，大批量嵌套数据处理效率大幅提升，和pprint搭配调试可读性拉满，是数据开发、测试开发必备高性能工具库！ 建议收藏，接口/数据库数据序列化直接复制即用！