orjson：功能丰富的高性能 Python JSON 库-python json库

简介

首先我们先来了解下orjson的优缺点：

可以将datetime、date和time实例序列化为RFC 3339格式，例如:"2022-06-12T00:00:00+00:00"
序列化numpy.ndarray实例的速度比其他库快4-12倍，但使用的内存更少，约为其他库的1/3左右
输出速度是标准库的10到20倍
序列化的结果是bytes类型，而不是str
序列化str时，不会将unicode转义为ASCII
序列化float的速度是其他库的10倍，反序列化的速度是其他库的两倍
可以直接序列化str、int、list和dict的子类
不提供load( )和dump( )方法，在原生JSON库中，load( )方法可以把json格式的文件转换成python对象

序列化dataclass类型

import dataclasses, orjson, typing
@dataclasses.dataclass
class Member:
   id: int
   active: bool = dataclasses.field(default=False)
@dataclasses.dataclass
class Object:
   id: int
   name: str
   members: typing.List[Member]
print(orjson.dumps(Object(1, "a", [Member(1, True), Member(2)])))

输出为：b'{"id":1,"name":"a","members":[{"id":1,"active":true},{"id":2,"active":false}]}'

序列化 float

orjson序列化和反序列化双精度浮点数，不会损失精度。当序列化NaN,Infinity,-Infinity时，会返回null。

>>> import orjson, ujson, rapidjson, json
>>> orjson.dumps([float("NaN"), float("Infinity"), float("-Infinity")])
b'[null,null,null]'
>>> ujson.dumps([float("NaN"), float("Infinity"), float("-Infinity")])
OverflowError: Invalid Inf value when encoding double
>>> rapidjson.dumps([float("NaN"), float("Infinity"), float("-Infinity")])
'[NaN,Infinity,-Infinity]'
>>> json.dumps([float("NaN"), float("Infinity"), float("-Infinity")])
'[NaN, Infinity, -Infinity]'

序列化Int类型

orjson可以对整数进行序列化和反序列化。但web浏览器只支持53-bit的整数，当值超过53-bit时会产生JSONEncodeError。

>>> import orjson
>>> orjson.dumps(9007199254740992)
b'9007199254740992'
>>> orjson.dumps(9007199254740992, option=orjson.OPT_STRICT_INTEGER)
JSONEncodeError: Integer exceeds 53-bit range
>>> orjson.dumps(-9007199254740992, option=orjson.OPT_STRICT_INTEGER)
JSONEncodeError: Integer exceeds 53-bit range

numpy

序列化numpy数据需要设置option=orjson.OPT_SERIALIZE_NUMPY。

>>> import orjson, numpy
>>> orjson.dumps(
       numpy.array([[1, 2, 3], [4, 5, 6]]),
       option=orjson.OPT_SERIALIZE_NUMPY,
)
b'[[1,2,3],[4,5,6]]'

orjson只处理UTF-8格式的字符串，如果给orjson.dumps()方法传入一个UTF-16的字符串，会产生报错。

>>> import orjson
>>> orjson.dumps('\ud800')
JSONEncodeError: str is not valid UTF-8: surrogates not allowed

uuid

orjson可以把uuid.UUID实例序列化为RFC 4122格式。

>>> import orjson, uuid
>>> orjson.dumps(uuid.UUID('f81d4fae-7dec-11d0-a765-00a0c91e6bf6'))
b'"f81d4fae-7dec-11d0-a765-00a0c91e6bf6"'
>>> orjson.dumps(uuid.uuid5(uuid.NAMESPACE_DNS, "python.org"))
b'"886313e1-3b8a-5372-9b90-0c9aee199e5d"'

安装

orjson支持3.7-3.10所有版本64位的Python，注意32位的 Python 无法使用orjson！本文将在3.8.2环境下使用orjson，使用以下命令安装orjson：

pip install --upgrade "pip>=20.3"
pip install --upgrade orjson

使用

基本使用

我们首先使用orjson序列化一个字典，随后再将结果反序列化：

import orjson, datetime, numpy
data = {
   "type": "job",
   "created_at": datetime.datetime(2022, 6, 12),
   "status": "🆗",
   "payload": numpy.array([[1, 2], [3, 4]]),
}
# 把python类型的数据转换成json形式，结果是bytes类型，而不是str
serialize = orjson.dumps(data, option=orjson.OPT_NAIVE_UTC | orjson.OPT_SERIALIZE_NUMPY)
print(serialize)
# 将序列化的结果转换为python数据
deserialize = orjson.loads(serialize)
print(deserialize)

输出结果为：

b'{"type":"job","created_at":"2022-06-12T00:00:00+00:00","status":"\xf0\x9f\x86\x97","payload":[[1,2],[3,4]]}'
{'type': 'job', 'created_at': '2022-06-12T00:00:00+00:00', 'status': '🆗', 'payload': [[1, 2], [3, 4]]}

序列化

dumps( )可以将Python对象序列化为JSON数据，但与原生JSON库不同的是，orjson.dumps( )得到的JSON数据是bytes类型，少了将bytes转换为str的操作，因此，速度会大大加快。下面我们详细介绍下dumps( )：

def dumps(
   __obj: Any,
   default: Optional[Callable[[Any], Any]] = ...,
   option: Optional[int] = ...,
) -> bytes: ...

(1) default 参数

我们先用dumps( )序列化一个Decimal类型的数据：

import orjson, decimal
orjson.dumps(decimal.Decimal("0.0842389659712649442845"))

会得到无法序列化Decimal类型的错误：

TypeError: Type is not JSON serializable: decimal.Decimal

这个时候，我们可以创建一个函数，将其作为default参数传递，来对Decimal进行序列化：

import orjson, decimal
def default(obj):
   if isinstance(obj, decimal.Decimal):
       return str(obj)
   raise TypeError
res = orjson.dumps(decimal.Decimal("0.0842389659712649442845"), default=default)
print(res)

结果为：

b'"0.0842389659712649442845"'

(2) option参数

使用option参数可以定制序列化的结果。假如我们想在输出后面加上一个\n，可以使用OPT_APPEND_NEWLINE

import orjson
print(orjson.dumps([], option=orjson.OPT_APPEND_NEWLINE))

结果为：b'[]\n'

OPT_OMIT_MICROSECONDS可以设置datetime.datetime实例的序列化结果没有微秒

import orjson, datetime
print(orjson.dumps(
       datetime.datetime(2022, 6, 12, 0, 0, 0, 1),
       option=orjson.OPT_OMIT_MICROSECONDS,
   ))

输出为：b'"2022-06-12T00:00:00"'

使用OPT_PASSTHROUGH_DATACLASS，可以定制化输出结果，假如数据中包含用户密码，我们需要在序列化后隐藏密码，可以这样做：

import orjson, dataclasses
@dataclasses.dataclass
class User:
   id: str
   name: str
   password: str
def default(obj):
   if isinstance(obj, User):
       return {"id": obj.id, "name": obj.name}
   raise TypeError
print(orjson.dumps(
       User("3b1", "asd", "zxc"),
       option=orjson.OPT_PASSTHROUGH_DATACLASS,
       default=default,
   ))

输出的结果中就没有用户密码了：b'{"id":"3b1","name":"asd"}'

OPT_PASSTHROUGH_DATETIME可以将日期格式化输出：

import orjson, datetime
def default(obj):
   if isinstance(obj, datetime.datetime):
       return obj.strftime("%a, %d %b %Y %H:%M:%S GMT")
   raise TypeError
print(orjson.dumps(
       {"创建时间": datetime.datetime(1970, 1, 1)},
       option=orjson.OPT_PASSTHROUGH_DATETIME,
       default=default,
   ))

输出为：b'{"创建时间":"Thu, 01 Jan 1970 00:00:00 GMT"}'

OPT_SORT_KEYS可以将序列化结果的键值按顺序排列

import orjson
print(orjson.dumps({"b": 1, "c": 2, "a": 3}, option=orjson.OPT_SORT_KEYS))

输出为：b'{"a":3,"b":1,"c":2}'

反序列化

loads()可以将JSON数据转换为Python对象，该方法支持多种数据类型，包括：bytes, bytearray, memoryview, 和 str。

性能分析

我们用orjson, ujson, simplejson, json分别对一个列表进行序列化，该列表中有1000000个元素：

import orjson,time
import random
start = time.time()
data = [{
   'id': 1,
   'value': random.uniform(0,2000)
}
for i in range(1000000)]
orjson.dumps(data)
end = time.time()
print("总共耗时 " + str(round(end-start, 2)) + ' s')

每个库的耗时如下表所示：

库	耗时(s)
orjson	0.78
ujson	1.85
simplejson	2.84
json	2.21

由此可以看出，orjson的效率更高。

后记

在日常的开发工作中，我们经常需要将一些数据存储为JSON格式，最常用的就是Python原生的JSON库，但是该库速度较慢，当数据量过大时，使用不便。而orjson的功能强大，它支持多种类型的数据序列化，开发者还可以根据需要定制化输出，与其他第三方JSON库相比，效率更高。