json.loads不适合解析超大JSON文件，因其需将整个文件读入内存为字符串再解析，易触发MemoryError；应改用json.load（文件对象）或更优的ijson流式提取、JSON Lines逐行处理。
json.loads 本身不能用于解析超大 JSON 文件——它只接受字符串，而把整个 GB 级文件读成字符串再传给 json.loads，等于主动触发 MemoryError。真正该用的是 json.load（带文件对象），但即便如此，它仍是一次性加载全部结构到内存，不解决根本问题。
为什么 json.loads 不适合大文件
你看到的“加速”误区，往往来自混淆了输入类型：json.loads(s) 必须先把文件 f.read() 成完整字符串 s，这一步就已吃光内存；而 json.load(f) 虽省去中间字符串拷贝，但仍需构建完整嵌套对象树。两者在超大文件场景下都不可行。
常见错误现象：
- 调用
json.loads(f.read())后直接卡死或报MemoryError - 误以为换用
ujson或orjson就能“流式处理”——它们只是更快的loads替代品，不改变一次性加载语义
真正有效的替代方案：ijson + 显式路径提取
当 JSON 结构固定（如顶层是 {"items": [...]}），且你只需要遍历数组元素时，ijson.items() 是最轻量、最可控的选择。它不构建整棵树，只按需 yield 每个匹配项。
立即学习“Python免费学习笔记（深入）”；
实操建议：
- 安装：
pip install ijson - 路径写法必须精确：
ijson.items(f, 'items.item')表示从items数组中逐个取item；若顶层是数组，用ijson.parse(f)配合状态机，或改用ijson.kvitems(f, '') - 务必以二进制模式打开文件：
open('data.json', 'rb')，避免编码干扰和换行符歧义 - 不要在循环里反复调用
ijson.items(f, ...)——文件指针不会自动重置，应重新打开或用seek(0)
JSON Lines（.jsonl）格式优先考虑逐行 + json.loads
如果你的“超大 JSON 文件”其实是每行一个独立 JSON 对象（常见于日志、MongoDB 导出、Kaggle 数据集），那根本不需要 ijson。强行用它反而会报 trailing garbage 错误。
正确做法：
- 逐行读取，
line.strip()去除空白和 BOM - 对每行单独调用
json.loads(line)—— 这时loads是安全的，因为单行数据小 - 必须加
try/except json.JSONDecodeError，真实数据常含脏行 - 编码显式指定
encoding='utf-8'，否则遇到非 UTF-8 字节会崩在第一行
容易被忽略的底层细节
性能差异常藏在 IO 和编码层：
-
json.load(f)比json.loads(f.read())省一次内存拷贝，但两者都扛不住 GB 级别； - 用
orjson替换json只对loads/dumps有效，且要求输入是bytes，不兼容文本模式文件对象； - 如果文件是压缩的（如
.json.gz），直接用gzip.open(..., 'rt', encoding='utf-8')配合逐行读取，比解压后再处理更省内存； - 所有流式方案都默认放弃随机访问能力——你不能再回头查第 1000 条，这点在设计 pipeline 时就得接受。
