本文详解如何处理 python 中“字面量为字符串的 json 数组”这一常见反模式：当字典值实际是 json 格式字符串（而非原生数据结构）时，需用 json.loads() 显式解析，否则直接索引将操作字符而非对象。
本文详解如何处理 python 中“字面量为字符串的 json 数组”这一常见反模式：当字典值实际是 json 格式字符串（而非原生数据结构）时，需用 json.loads() 显式解析，否则直接索引将操作字符而非对象。
在实际开发中（尤其是从配置文件、API 响应或旧版序列化格式读取数据时），我们常遇到一种易被忽略的“伪结构”：表面看是嵌套数据，实则最内层是 JSON 格式的字符串。例如以下结构：
data = {
"test": ['[{"Day":"Monday","Device":"Android","Data":[1, 2, 3]}, {"Day":"Tuesday","Device":"Iphone","Data":[10, 20, 30]}]']
}乍看 data["test"] 是一个包含字典列表的列表，但执行 data["test"][0][0] 得到 '[' —— 这说明 data["test"][0] 并非列表或字典，而是一个字符串，其内容恰好是 JSON 编码后的数组文本。
✅ 正确解法：两步解析
- 提取字符串：data["test"][0] 获取 JSON 字符串；
- 反序列化：用 json.loads() 将其转为真正的 Python 列表（含字典元素）。
完整可运行示例：
import json
data = {
"test": ['[{"Day":"Monday","Device":"Android","Data":[1, 2, 3]}, {"Day":"Tuesday","Device":"Iphone","Data":[10, 20, 30]}]']
}
# Step 1: 取出字符串
json_str = data["test"][0]
# Step 2: 解析为 Python 对象（list of dicts）
parsed_list = json.loads(json_str)
# 现在可安全遍历
for item in parsed_list:
print(f"Day: {item['Day']}, Device: {item['Device']}, Data: {item['Data']}")
# 输出：
# Day: Monday, Device: Android, Data: [1, 2, 3]
# Day: Tuesday, Device: Iphone, Data: [10, 20, 30]⚠️ 关键注意事项
- 不要跳过 json.loads()：直接对 json_str[0] 索引得到的是字符串首字符 '['，而非第一个字典；
-
确保 JSON 合法性：若字符串含非法转义、编码错误或不闭合括号，json.loads() 会抛出 json.JSONDecodeError，建议包裹异常处理：
try: parsed_list = json.loads(data["test"][0]) except json.JSONDecodeError as e: raise ValueError(f"Invalid JSON in data['test'][0]: {e}") - 警惕嵌套层级陷阱：本例中结构为 dict → list → str → list → dict；若来源格式不一致（如多层字符串包裹），需递归解析或校验类型；
- 性能提示：频繁解析相同字符串时，可考虑缓存结果；但切勿将 json.loads() 写入循环内部做重复解析（除非输入动态变化）。
✅ 总结
该问题本质是数据类型混淆：将 JSON 文本误认为已解析对象。Python 不会自动解析字符串内容——这是明确的设计选择（保障安全与显式性）。只要牢记“字符串 ≠ 数据结构”，并在访问前用 json.loads() 显式转换，即可稳健处理此类嵌套场景。养成检查 type(value) 的习惯（如 print(type(data['test'][0])) 输出 <class 'str'>），是快速定位此类问题的高效实践。
立即学习“Python免费学习笔记（深入）”；
