如何在Python中简便地将JSONL文件加载为JSON对象？

当然有啦！JSONL（每行一个独立JSON对象的格式）在处理批量数据时特别常见，Python里有好几种简单省心的实现方式，我给你整理了最常用的两种：

方法1：用Python内置json模块（零额外依赖） #

因为JSONL的核心就是每行一个可独立解析的JSON串，所以我们可以直接逐行读取文件，用标准库的json.loads()解析每一行就行。

基础版（一次性加载到列表） #

import json

def load_jsonl(file_path):
    json_objects = []
    with open(file_path, 'r', encoding='utf-8') as f:
        for line in f:
            # 可选：跳过空行，避免解析空字符串报错
            if line.strip():
                json_obj = json.loads(line)
                json_objects.append(json_obj)
    return json_objects

# 使用示例
data_list = load_jsonl('your_data.jsonl')
# 现在data_list就是包含所有JSON对象的字典列表了

内存友好版（生成器模式） #

如果你的JSONL文件特别大（比如几GB），一次性加载会占满内存，改成生成器版本就可以边读边处理：

import json

def load_jsonl_generator(file_path):
    with open(file_path, 'r', encoding='utf-8') as f:
        for line in f:
            if line.strip():
                yield json.loads(line)

# 使用示例：遍历生成器处理每个对象
for item in load_jsonl_generator('large_data.jsonl'):
    # 这里写你的处理逻辑，比如打印、存储等
    print(item["key"])

方法2：用pandas一键加载（适合数据分析场景） #

如果你本来就在做数据分析，用pandas的read_json()方法一行就能搞定，指定lines=True参数告诉它按JSONL格式解析。加载后会得到一个DataFrame，也能轻松转成字典列表。

import pandas as pd

# 加载为DataFrame
df = pd.read_json('your_data.jsonl', lines=True)
# 转成JSON对象列表（字典形式）
data_list = df.to_dict('records')

注意：这个方法需要先安装pandas，执行pip install pandas就行，适合后续要做数据清洗、分析的场景，效率很高。

小技巧：容错处理 #

如果你的JSONL文件里可能存在格式错误的行，可以加个try-except块跳过错误行，避免整个加载流程崩溃：

import json

def load_jsonl_safe(file_path):
    json_objects = []
    with open(file_path, 'r', encoding='utf-8') as f:
        for line_num, line in enumerate(f, 1):
            line = line.strip()
            if not line:
                continue
            try:
                json_obj = json.loads(line)
                json_objects.append(json_obj)
            except json.JSONDecodeError as e:
                print(f"第{line_num}行解析失败: {str(e)}，已跳过该行")
    return json_objects

内容的提问来源于stack exchange，提问作者MBT