使用StringIO缓存读取JSON转Pandas DataFrame时出现Trailing data错误

• 首要原因：你修改后的pd.read_json调用丢失了原有逻辑的orient='records'参数，当JSON的顶级结构为列表时，部分pandas版本无法自动匹配解析规则，会抛出尾随数据错误。
• 高频原因：如果你的业务代码是在循环追加API结果的过程中，多次调用json.dump向StringIO写入内容，会导致缓存中存在多段独立的JSON字符串拼接，不符合标准的单数组JSON格式，触发解析异常。
• 其他可能：如果你的数据包含中文、特殊转义字符，StringIO的编码不匹配也可能导致JSON格式被破坏。

方案1：最简优化（无需StringIO，性能最高） #

你本身已经拿到了由字典组成的json_out列表，完全可以省略JSON序列化、IO缓存的中间步骤，直接转换为DataFrame：

import pandas as pd

json_out = []
# 原有追加API结果的逻辑保持不变
df = pd.DataFrame(json_out)

方案2：保留JSON序列化逻辑的修复 #

如果你需要保留JSON序列化的环节（比如需要做格式校验等场景），直接添加缺失的orient参数即可：

import json
import pandas as pd

json_out = []
# 原有追加API结果的逻辑保持不变
df = pd.read_json(json.dumps(json_out), orient='records')

方案3：坚持使用StringIO缓存的修复 #

如果业务逻辑要求必须用StringIO做缓存，需要确保json.dump只在json_out完全组装完成后调用一次，同时指定orient参数：

from io import StringIO
import json
import pandas as pd

io = StringIO()
json_out = []
# 原有追加API结果的逻辑保持不变

# 【重要】等json_out全部元素追加完成后，一次性写入缓存，不要在循环里多次调用dump
json.dump(json_out, io)

# 两种读取方式二选一
# 方式1：移动文件指针到缓存开头后传入IO对象
io.seek(0)
df = pd.read_json(io, orient='records')

# 方式2：直接读取全部缓存内容
# df = pd.read_json(io.getvalue(), orient='records')

如果修改后仍然报错，可以先打印序列化后的JSON内容，确认格式是否符合预期：

print(json.dumps(json_out, indent=2, ensure_ascii=False))

检查输出是否为完整的数组结构，不存在多段JSON拼接、转义字符异常的问题。

内容的提问来源于stack exchange，提问作者Chuck