python中经常会遇到处理JSON格式数据的情况，在程序中使用这类数据越多，就会面临编码或解码的问题。处理JSON数据，python内置的工具也不错，但是还有比这更多更好的选择。选择哪一个库或工具包，没有标准答案，但一般的选择标准或要求还是有一些共同点的。首先是要求处理速度快，但对于不同的使用场景、不同的人，专门处理JSON的库的用法也是不一样的；其次，追求速度快，并不是唯一的要求，还要考虑安全性和可定制等。

选择处理JSON数据速度最快的库，要首先确定速度如何度量，用什么样的度量标准，如何选取其他条件或要求等，下面就这一问题从四个方面来具体讲述。

是否有必要使用python内置的工具之外的JSON数据处理库或工具包

如果python内置的处理JSON数据的工具包，没有明显的瓶颈，则没有必要考虑另外选择，判断的条件就是耗费在JSON数据编码的时间是否超过了程序使用者或编程者的预期，例如JSON数据编码的进程耗时超过整个CPU占用时间的25%，而处理速度仅仅提高了30%，并且在程序多次运行中，这类数据几乎达到最高值，那就可以认为，所使用的JSON处理工具在当前场景下遇到了瓶颈，可以考虑尝试其他同类工具。

根据数据的构成和处理方法选择JSON工具包

选择更合适的JSON处理库或工具包，要考虑当前的程序环境中是否有编码或解码或两者都有的需求、要处理的数据信息的量是否很大、数据信息的构成是什么样等。看看下面一个日志数据的例子，数据特性较少，需要编码：

{    "timestamp": 1556283673.1523004,    "task_uuid": "0ed1a1c3-050c-4fb9-9426-a7e72d0acfc7",    "task_level": [1, 2, 1],    "action_status": "started",    "action_type": "main",    "key": "value",    "another_key": 123,    "and_another": ["a", "b"],}

选择JSON工具包的其他条件

程序运行的性能是个广泛的概念，也是优缺点平衡的结果，并不是所有各方面达到最优，因此选择处理JSON数据的库或工具包，还应考虑以下几个因素：

• 安全性/健壮性：以上面的日志数据格式为例，日志信息包括来自不信任源的信息，如果JSON库或工具包处理这类数据出现故障，那么这样的工具可靠性或安全性就不是太好；
• 定制编码：针对要处理的数据可以自己指定编码方式或方法，可以实现不同类型的python对象的序列化，有些JSON工具包或库支持这种技术方法，有的不支持；
• 跨平台：所选的JSON数据处理工具或库是否可以在linux、windows或macOS上使用；
• 提供维护：选择的JSON数据处理工具或库要有人持续的维护

根据个人经验，现在常见的JSON数据处理工具包或库有四个：orjson, rapidjson, ujson 和 hyperjson，其中ujson虽然有人维护，但并不是很积极，而hyperjson只适用于macOS操作系统，相比之下，orjson和rapidjson比较合适。

orjson和rapidjson的用例

以下是orjson和rapidjson的使用实例，

m = {    "timestamp": 1556283673.1523004,    "task_uuid": "0ed1a1c3-050c-4fb9-9426-a7e72d0acfc7",    "task_level": [1, 2, 1],    "action_status": "started",    "action_type": "main",    "key": "value",    "another_key": 123,    "and_another": ["a", "b"],}def benchmark(name, dumps):    start = time.time()    for i in range(1000000):        dumps(m)    print(name, time.time() - start)benchmark("Python", json.dumps)# orjson 只输出字节, 但是通常情况下要使用unicode编码:benchmark("orjson", lambda s: str(orjson.dumps(s), "utf-8"))benchmark("rapidjson", rapidjson.dumps)

输出结果如下：

$ python jsonperf.py Python 4.829106330871582orjson 1.0466396808624268rapidjson 2.1441543102264404

如果考虑到unicode解码的需要，那orjson的处理速度最快；从现在的使用情况看，使用orjson的用户要比rapidjson的用户少，orjson也没有被Conda纳入，安装时要自己打包，略有不便，总之可以肯定：orjson 是处理JSON数据最快的工具包，但是否需要，还是要看自己的选择或需求。

（本文完）