如何在Python中读取嵌套JSON？用pandas.json_normalize提取Contacts字段

我刚好处理过类似的Salesforce嵌套JSON解析需求，你的问题核心是Contacts字段本身是一个包含records数组的嵌套对象，直接用默认的json_normalize只会把Contacts当成一个整体列，没法提取里面的字段。下面是具体的解决方法：

核心思路 #

我们需要告诉json_normalize三个关键信息：

1. 嵌套的Contact记录所在的路径（record_path参数）
2. 需要保留哪些上层（Account）的字段（meta参数）
3. 设置列名分隔符，让嵌套字段的列名变成Contacts.Name这种格式（sep参数）

完整代码示例 #

import pandas as pd

# 假设你的响应已经转成字典格式
r_dict = r.json()

# 调用json_normalize解析嵌套结构
df = pd.json_normalize(
    data=r_dict['records'],
    record_path=['Contacts', 'records'],  # 指定要解析的嵌套Contact记录路径
    meta=[
        'Id', 'Name', 'BillingStreet', 'BillingCity',
        'BillingState', 'BillingPostalCode', 'CPF_ou_CNPJ__c'
    ],  # 保留Account层面的所有目标字段
    sep='.'  # 用"."分隔嵌套字段名，生成Contacts.Name、Contacts.Email这类格式
)

效果说明 #

运行这段代码后，你会得到完全符合需求的DataFrame：

• 包含Account的Id、Name、BillingStreet等所有指定字段
• 同时包含Contact的Contacts.Name、Contacts.Email、Contacts.Phone等目标字段
• 如果一个Account关联多个Contact记录，代码会自动将每个Contact拆分成单独一行，对应同一个Account的信息，这也是多对一关联数据的合理展示方式

内容的提问来源于stack exchange，提问作者Tom