嵌套JSON可选字段提取及构建pandas DataFrame的实现方案

原遍历逻辑存在两个核心问题：

1. 逐字段触发append的写法，会导致可选字段缺失时，对应列表长度和其他列表不一致，后续转pandas DataFrame时会出现行错位、索引不对齐的问题
2. 无键存在性校验，碰到fields列表里没有对应label的场景，循环走完都不会给对应列表补空值，甚至可能触发KeyError

实现思路 #

针对每个用户条目，先把该条目下所有fields按label整理成临时键值映射，再统一从映射中取需要的字段值，取不到就补None，保证每个条目处理完，所有目标列表同步追加一次值，长度完全对齐。

完整优化代码 #

# 初始化所有目标字段列表
names = []
genders = []
field_of_studies = []

for response in users:
    # 提前解析响应里的items字段，不存在则返回空列表，避免KeyError
    items = response.json().get("items", [])
    for item in items:
        # 构建当前用户的字段映射表：key为字段label，value为完整字段字典
        field_map = {}
        for field in item.get("fields", []):
            field_label = field.get("label")
            if field_label:
                field_map[field_label] = field

        # 提取姓名字段值
        name_target = field_map.get("Name and Surname")
        names.append(
            name_target["values"][0]["value"] 
            if (name_target and name_target.get("values")) 
            else None
        )

        # 提取性别字段值
        gender_target = field_map.get("Gender")
        gender_val = None
        if gender_target and gender_target.get("values"):
            value_body = gender_target["values"][0].get("value")
            if isinstance(value_body, dict):
                gender_val = value_body.get("text")
        genders.append(gender_val)

        # 提取可选的专业字段，不存在就补None
        study_target = field_map.get("Field of Studies")
        study_val = None
        if study_target and study_target.get("values"):
            value_body = study_target["values"][0].get("value")
            if isinstance(value_body, dict):
                study_val = value_body.get("text")
        field_of_studies.append(study_val)

方案优势 #

• 数据完全对齐：每个用户条目处理完成后，三个列表都会追加1个值，最终三个列表长度完全一致，直接传给pandas就可以生成结构正确的DataFrame
• 容错性强：所有取值场景都加了存在性判断，不管是缺整个字段、字段下无values、values下无有效value的情况，都会兜底返回None，不会触发代码运行报错
• 扩展性好：后续要新增提取的字段时，只需要在取值部分加一段对应逻辑，不需要修改前面遍历fields的核心循环

额外优化：如果后续要提取的字段越来越多，可以把需要匹配的label、取值路径做成配置表，循环批量生成对应列表，不用反复写重复的判断逻辑。

内容的提问来源于stack exchange，提问作者user9951164