Python/Pandas遍历大型嵌套JSON 提取states节点name字段方法

针对三级嵌套的国家-行政区-城市结构JSON，提供两种可直接落地的实现方式，可根据文件大小和后续数据处理需求选择：

原生Python循环实现（内存友好，适配超大JSON文件） #

如果你的JSON文件体积较大（数GB级别），优先用逐节点遍历的方式处理，避免全量加载导致内存溢出。

基础循环写法（适配内存可承载的文件） #

import json

state_names = []
# 读取文件
with open("your_data.json", "r", encoding="utf-8") as f:
    # 顶层是国家数组，直接加载为Python列表
    country_list = json.load(f)

# 第一层遍历：遍历所有国家节点
for country in country_list:
    # 容错：跳过没有states字段的异常国家记录
    if "states" not in country:
        continue
    # 第二层遍历：遍历当前国家下的所有行政区节点
    for state in country["states"]:
        # 容错：跳过没有name字段的异常行政区记录
        if "name" in state:
            state_names.append(state["name"])

# 验证结果，输出示例值"Akkar Governorate"
print(state_names[0])

超大文件流式写法（适配内存放不下的超大型JSON） #

单文件超过内存容量时，用流式解析逐节点读取，内存占用极低：

import ijson

state_names = []
with open("your_large_data.json", "rb") as f:
    # 直接匹配路径：顶层数组项 -> 国家节点的states数组 -> 每个行政区的name字段
    for state_name in ijson.items(f, "item.states.item.name"):
        state_names.append(state_name)

Pandas实现方案（适配后续数据分析场景） #

如果提取完数据需要做表格化统计、关联分析，不需要手写循环，直接用内置的打平函数即可一步拿到结构化结果：

import pandas as pd
import json

with open("your_data.json", "r", encoding="utf-8") as f:
    country_list = json.load(f)

# 打平嵌套的states层级，自动解析所有行政区字段
# meta参数可指定需要保留的国家层级字段，比如国家名称、国家编码
df_state = pd.json_normalize(
    data=country_list,
    record_path="states",
    meta=["name", "iso2", "timezones"] # 按需填写要保留的上层字段即可
)

# 直接取name列就是所有行政区名称
all_state_names = df_state["name"]
print(all_state_names.head())

注意事项 #

• 处理前建议先抽取1-2条样本打印字段结构，避免因为字段拼写差异（比如state_name/Name这类命名区别）导致提取失败
• 所有写法都加了空值容错，不会因为单条脏数据中断整个提取流程
• 如果后续还要提取cities层级的数据，只需要在循环里加一层遍历，或者调整json_normalize的record_path到cities层级即可

注意：如果你的JSON顶层不是数组而是单个对象，把遍历路径里的item替换成对应的根节点键名即可。

内容的提问来源于stack exchange，提问作者user18532875