Python如何过滤单行JSON数组提取指定字段并保存到文件

单行格式的JSON数组本身是完全合法的标准JSON结构，解析失败基本是读取方法调用错误导致的，不需要提前做换行、拆分等格式预处理，下面提供两种可直接落地的实现方案：

方案1：Python标准库实现（大文件优先选，内存占用更低） #

无需安装第三方依赖，对大体量文件的适配性更好，没有额外的解析开销。

import json
import requests

# 直接调用接口获取响应处理
resp = requests.get("替换为你的实际接口地址")
# 单行JSON可直接通过json方法解析，无格式障碍
raw_data = resp.json()

# 批量提取thingname字段，自动跳过字段缺失的异常项
result = [item.get("thingname") for item in raw_data if isinstance(item, dict) and "thingname" in item]

# 如果原始JSON已经存在本地文件，替换为以下读取逻辑即可
# with open("原始单行JSON文件路径.json", "r", encoding="utf-8") as f:
#     raw_data = json.load(f)
# result = [item.get("thingname") for item in raw_data if isinstance(item, dict) and "thingname" in item]

# 提取结果写入新文件，每行存一个值方便后续使用
with open("thingname提取结果.txt", "w", encoding="utf-8") as f:
    for item in result:
        f.write(f"{item}\n")

方案2：Pandas实现（适配已有pandas使用习惯） #

之前用pandas处理失败和JSON是单行格式无关，是读取参数配置错误导致的，用默认参数即可正常解析：

import pandas as pd
import requests

resp = requests.get("替换为你的实际接口地址")
# 注意不要加lines=True参数！标准数组格式JSON开该参数必然解析失败
df = pd.read_json(resp.text)
result = df["thingname"].dropna().tolist()

# 本地文件读取逻辑
# df = pd.read_json("原始单行JSON文件路径.json")
# result = df["thingname"].dropna().tolist()

# 结果写入文件
with open("thingname提取结果_pandas版.txt", "w", encoding="utf-8") as f:
    for item in result:
        f.write(f"{item}\n")

常见踩坑提示 #

• pd.read_json和json.load的lines=True参数，仅适配JSON Lines格式（每行一个独立JSON对象，无外层数组包裹），处理你手里的标准数组格式JSON时不要开启该参数
• 如果单文件体积超过本机可用内存，可以换用ijson库做流式解析，不需要把整个JSON加载进内存就能逐个遍历提取thingname字段，适配超大型文件场景

如果你要提取的结果不需要做后续的结构化处理，优先选标准库方案，解析速度更快，内存占用比pandas低60%以上。

内容的提问来源于stack exchange，提问作者SabriLK