首先我们先来了解下orjson的优缺点：
可以将datetime、date和time实例序列化为RFC 3339格式，例如:"2022-06-12T00:00:00+00:00"
序列化numpy.ndarray实例的速度比其他库快4-12倍，但使用的内存更少，约为其他库的1/3左右
输出速度是标准库的10到20倍
序列化的结果是bytes类型，而不是str
序列化str时，不会将unicode转义为ASCII
序列化float的速度是其他库的10倍，反序列化的速度是其他库的两倍
可以直接序列化str、int、list和dict的子类
不提供load( )和dump( )方法，在原生JSON库中，load( )方法可以把json格式的文件转换成python对象
序列化dataclass类型
复制
import dataclasses, orjson, typing@dataclasses.dataclassclass Member: id: int active: bool = dataclasses.field(default=False)@dataclasses.dataclassclass Object: id: int name: str members: typing.List[Member]print(orjson.dumps(Object(1, "a", [Member(1, True), Member(2)])))
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
输出为：b'{"id":1,"name":"a","members":[{"id":1,"active":true},{"id":2,"active":false}]}'
序列化 float
orjson序列化和反序列化双精度浮点数，不会损失精度。当序列化NaN,Infinity,-Infinity时，会返回null。
复制
>>> import orjson, ujson, rapidjson, json>>> orjson.dumps([float("NaN"), float("Infinity"), float("-Infinity")])b'[null,null,null]'>>> ujson.dumps([float("NaN"), float("Infinity"), float("-Infinity")])OverflowError: Invalid Inf value when encoding double>>> rapidjson.dumps([float("NaN"), float("Infinity"), float("-Infinity")])'[NaN,Infinity,-Infinity]'>>> json.dumps([float("NaN"), float("Infinity"), float("-Infinity")])'[NaN, Infinity, -Infinity]'
1.
2.
3.
4.
5.
6.
7.
8.
9.
序列化Int类型
orjson可以对整数进行序列化和反序列化。但web浏览器只支持53-bit的整数，当值超过53-bit时会产生JSONEncodeError。
复制
>>> import orjson>>> orjson.dumps(9007199254740992)b'9007199254740992'>>> orjson.dumps(9007199254740992, option=orjson.OPT_STRICT_INTEGER)JSONEncodeError: Integer exceeds 53-bit range>>> orjson.dumps(-9007199254740992, option=orjson.OPT_STRICT_INTEGER)JSONEncodeError: Integer exceeds 53-bit range
1.
2.
3.
4.
5.
6.
7.
numpy
序列化numpy数据需要设置option=orjson.OPT_SERIALIZE_NUMPY。
复制
>>> import orjson, numpy>>> orjson.dumps( numpy.array([[1, 2, 3], [4, 5, 6]]), option=orjson.OPT_SERIALIZE_NUMPY, )b'[[1,2,3],[4,5,6]]'
1.
2.
3.
4.
5.
6.
str
orjson只处理UTF-8格式的字符串，如果给orjson.dumps()方法传入一个UTF-16的字符串，会产生报错。
复制
>>> import orjson>>> orjson.dumps('\ud800')JSONEncodeError: str is not valid UTF-8: surrogates not allowed
1.
2.
3.
uuid
orjson可以把uuid.UUID实例序列化为RFC 4122格式。
复制
>>> import orjson, uuid>>> orjson.dumps(uuid.UUID('f81d4fae-7dec-11d0-a765-00a0c91e6bf6'))b'"f81d4fae-7dec-11d0-a765-00a0c91e6bf6"'>>> orjson.dumps(uuid.uuid5(uuid.NAMESPACE_DNS, "python.org"))b'"886313e1-3b8a-5372-9b90-0c9aee199e5d"'
1.
2.
3.
4.
5.
orjson支持3.7-3.10所有版本64位的Python，注意32位的 Python 无法使用orjson！本文将在3.8.2环境下使用orjson，使用以下命令安装orjson：
复制
pip install --upgrade "pip>=20.3"pip install --upgrade orjson
1.
2.
基本使用
我们首先使用orjson序列化一个字典，随后再将结果反序列化：
复制
import orjson, datetime, numpydata = { "type": "job", "created_at": datetime.datetime(2022, 6, 12), "status": "🆗", "payload": numpy.array([[1, 2], [3, 4]]),
}# 把python类型的数据转换成json形式，结果是bytes类型，而不是strserialize = orjson.dumps(data, option=orjson.OPT_NAIVE_UTC | orjson.OPT_SERIALIZE_NUMPY)print(serialize)# 将序列化的结果转换为python数据deserialize = orjson.loads(serialize)print(deserialize)
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
输出结果为：
复制
b'{"type":"job","created_at":"2022-06-12T00:00:00+00:00","status":"\xf0\x9f\x86\x97","payload":[[1,2],[3,4]]}'{'type': 'job', 'created_at': '2022-06-12T00:00:00+00:00', 'status': '🆗', 'payload': [[1, 2], [3, 4]]}
1.
2.
序列化
dumps( )可以将Python对象序列化为JSON数据，但与原生JSON库不同的是，orjson.dumps( )得到的JSON数据是bytes类型，少了将bytes转换为str的操作，因此，速度会大大加快。下面我们详细介绍下dumps( )：
复制
def dumps( __obj: Any, default: Optional[Callable[[Any], Any]] = ..., option: Optional[int] = ..., ) -> bytes: ...
1.
2.
3.
4.
5.
(1) default 参数
我们先用dumps( )序列化一个Decimal类型的数据：
复制
import orjson, decimalorjson.dumps(decimal.Decimal("0.0842389659712649442845"))
1.
2.
会得到无法序列化Decimal类型的错误：
复制
TypeError: Type is not JSON serializable: decimal.Decimal
1.
这个时候，我们可以创建一个函数，将其作为default参数传递，来对Decimal进行序列化：
复制
import orjson, decimaldef default(obj): if isinstance(obj, decimal.Decimal): return str(obj) raise TypeErrorres = orjson.dumps(decimal.Decimal("0.0842389659712649442845"), default=default)print(res)
1.
2.
3.
4.
5.
6.
7.
结果为：
复制
b'"0.0842389659712649442845"'
1.
(2) option参数
使用option参数可以定制序列化的结果。假如我们想在输出后面加上一个\n，可以使用OPT_APPEND_NEWLINE
复制
import orjsonprint(orjson.dumps([], option=orjson.OPT_APPEND_NEWLINE))
1.
2.
结果为：b'[]\n'
OPT_OMIT_MICROSECONDS可以设置datetime.datetime实例的序列化结果没有微秒
复制
import orjson, datetimeprint(orjson.dumps( datetime.datetime(2022, 6, 12, 0, 0, 0, 1), option=orjson.OPT_OMIT_MICROSECONDS, ))
1.
2.
3.
4.
5.
输出为：b'"2022-06-12T00:00:00"'
使用OPT_PASSTHROUGH_DATACLASS，可以定制化输出结果，假如数据中包含用户密码，我们需要在序列化后隐藏密码，可以这样做：
复制
import orjson, dataclasses@dataclasses.dataclassclass User: id: str
name: str
password: strdef default(obj): if isinstance(obj, User): return {"id": obj.id, "name": obj.name} raise TypeErrorprint(orjson.dumps( User("3b1", "asd", "zxc"), option=orjson.OPT_PASSTHROUGH_DATACLASS, default=default,
))
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
输出的结果中就没有用户密码了：b'{"id":"3b1","name":"asd"}'
OPT_PASSTHROUGH_DATETIME可以将日期格式化输出：
复制
import orjson, datetimedef default(obj): if isinstance(obj, datetime.datetime): return obj.strftime("%a, %d %b %Y %H:%M:%S GMT") raise TypeErrorprint(orjson.dumps(
{"创建时间": datetime.datetime(1970, 1, 1)}, option=orjson.OPT_PASSTHROUGH_DATETIME, default=default,
))
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
输出为：b'{"创建时间":"Thu, 01 Jan 1970 00:00:00 GMT"}'
OPT_SORT_KEYS可以将序列化结果的键值按顺序排列
复制
import orjsonprint(orjson.dumps({"b": 1, "c": 2, "a": 3}, option=orjson.OPT_SORT_KEYS))
1.
2.
输出为：b'{"a":3,"b":1,"c":2}'
反序列化
loads()可以将JSON数据转换为Python对象，该方法支持多种数据类型，包括：bytes, bytearray, memoryview, 和 str。
性能分析
我们用orjson, ujson, simplejson, json分别对一个列表进行序列化，该列表中有1000000个元素：
复制
import orjson,timeimport randomstart = time.time()data = [{ 'id': 1, 'value': random.uniform(0,2000)
}for i in range(1000000)]orjson.dumps(data)end = time.time()print("总共耗时 " + str(round(end-start, 2)) + ' s')
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
每个库的耗时如下表所示：
库 | 耗时(s) |
orjson | 0.78 |
ujson | 1.85 |
simplejson | 2.84 |
json | 2.21 |
由此可以看出，orjson的效率更高。
在日常的开发工作中，我们经常需要将一些数据存储为JSON格式，最常用的就是Python原生的JSON库，但是该库速度较慢， 当数据量过大时，使用不便。而orjson的功能强大，它支持多种类型的数据序列化，开发者还可以根据需要定制化输出， 与其他第三方JSON库相比，效率更高。