当前位置: 首页 > news >正文

json.dumps() 的输出

json.dumps()的输出可能不符合我们的阅读习惯——这时候就需要用到参数来“美化”它。


二、参数 1:ensure_ascii=False

✅ 默认行为(不加这个参数):
json.dumps({"城市": "东京"}) # 输出:{"\u57ce\u5e02": "\u4e1c\u4eac"}

你会看到中文变成了\uXXXX这样的Unicode 转义序列,人眼难以阅读。

这是因为json.dumps()默认只输出 ASCII 字符(即英文字母、数字、基本符号),非 ASCII 字符(如中文、日文、emoji)会被自动转义。

🔧 加上ensure_ascii=False后:
json.dumps({"城市": "东京"}, ensure_ascii=False) # 输出:{"城市": "东京"}

✅ 中文直接显示为可读的汉字!

📌 教师小结:
  • ensure_ascii=True(默认):安全但不可读(适合机器传输)。
  • ensure_ascii=False:保留原始 Unicode 字符(如中文),适合人类阅读和调试
  • 在处理中文、日文等非英文内容时,一定要写ensure_ascii=False

三、参数 2:indent=2

✅ 默认行为(不加这个参数):
json.dumps([{"a": 1}, {"b": 2}]) # 输出:[{"a": 1}, {"b": 2}]

所有内容挤在一行,结构混乱,难以看清嵌套关系。

🔧 加上indent=2后:
json.dumps([{"a": 1}, {"b": 2}], indent=2) # 输出: [ { "a": 1 }, { "b": 2 } ]

✅ 自动换行 + 缩进,层次清晰,像写代码一样美观!

  • indent=2表示每层缩进用 2 个空格
  • 你也可以写indent=4(4 空格)、indent='\t'(制表符)等。
📌 教师小结:
  • indent参数用于格式化输出(pretty-print)
  • 数值越大,缩进越宽;
  • 仅用于调试或展示,正式 API 传输时通常不用(节省带宽)。

四、合起来看

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

这行代码的意思是:

“请把final_json这个 Python 对象,转换成一段人类可读的 JSON 字符串

  • 中文不要转成 \u 编码,直接显示汉字;
  • 用 2 个空格缩进,让结构清晰易读;
  • 然后打印出来。”

✅ 举个完整例子

假设final_json是:

[ { "路线方案": "方案 1 (推荐路线)", "风险提示": "该食品运输路线可能经过福岛県" } ]

加上这两个参数后,输出会是:

[ { "路线方案": "方案 1 (推荐路线)", "风险提示": "该食品运输路线可能经过福岛県" } ]

而如果不加,可能会变成:

[{"\u8def\u7ebf\u65b9\u6848": "\u65b9\u6848 1 (\u63a8\u8350\u8def\u7ebf)", "\u98ce\u9669\u63d0\u793a": "\u8be5\u98df\u54c1\u8fd0\u8f93\u8def\u7ebf\u53ef\u80fd\u7ecf\u8fc7\u798f\u5cf6\u770c"}]
http://www.cnnetsun.cn/news/65530.html

相关文章:

  • 应用层|低空应用安全的 “精工锻造者”,中科数测以多工具矩阵赋能应用从开发到运维的全周期安全
  • 横观水力压裂模型:从 PDE 建模到 Comsol 模拟
  • 值得关注的人形机器人公司盘点,智元AGIBOT以卓越实力登顶
  • PLC连续可变S速度曲线算法仿真
  • 清华源替换Anaconda默认源,Miniconda下载速度飞跃
  • AutoGPT技术揭秘:大语言模型如何成为自主任务驱动智能体?
  • 18、Docker生态系统工具全解析
  • 25、容器监控与应用实践全解析
  • AutoGPT如何识别任务优先级?重要紧急四象限法应用
  • 收藏这篇就够了!RAG技术详解:让大模型告别幻觉的终极方案
  • 25、深入理解 Java 中的严格性与惰性
  • 26、深入理解惰性流:操作与应用
  • 如何在服务器上运行LobeChat镜像并对接GPU加速推理?
  • 【编号2551】从代码逻辑到实用体验:一款小红书笔记下载工具的技术实现与使用感悟
  • 大模型智能体开发指南:文件系统如何优化Agent性能!
  • ComfyUI集成Qwen3-14B的可能性探索:视觉+语言新组合
  • GPT-5.2震撼上线!性能碾压人类专家,程序员必学大模型技术,建议收藏
  • CompTIA CV0-004 Cloud+ 認證考試完整介紹
  • PyTorch安装避坑指南 + vLLM性能调优技巧
  • AutoGPT与Metabase Plus集成:增强版报表自动化
  • PyTorch安装后如何加载Qwen3-VL-8B进行多模态推理
  • 【收藏必看】2025大模型技术岗位全景图:15大方向详解,助你成为AI人才
  • LobeChat支持GraphQL接口吗?API扩展能力分析
  • LobeChat能否实现对话分享功能?链接公开化实践
  • 全球工程软件格局重塑:中国AI原生平台的机会窗口
  • 【Dubbo】接口特性与开发注意事项
  • 测试环境管理的最佳实践
  • Miniconda环境下安装PyTorch GPU版的完整流程
  • AI推理的“哥白尼革命”!何恺明团队推翻LLM,将抽象推理重新定义为视觉问题
  • 深度学习训练器框架全面对比指南