Trabalhando com JSON em Python — 2025 | Python Brasil | Python Brasil

JSON (JavaScript Object Notation) e o formato de dados mais usado na web. Praticamente toda API retorna JSON, arquivos de configuracao usam JSON e ate bancos NoSQL armazenam documentos nesse formato. Python oferece suporte nativo excelente para trabalhar com JSON atraves do modulo json. Neste guia, a gente vai explorar tudo que voce precisa saber.

O Modulo json do Python

O modulo json ja vem incluso no Python e oferece quatro funcoes principais:

import json

# json.dumps() - Python -> string JSON
# json.loads() - string JSON -> Python
# json.dump()  - Python -> arquivo JSON
# json.load()  - arquivo JSON -> Python

A correspondencia entre tipos Python e JSON:

Python	JSON
dict	object
list, tuple	array
str	string
int, float	number
True/False	true/false
None	null

Convertendo Python para JSON

import json

# Dicionario Python
usuario = {
    "nome": "Ana Silva",
    "idade": 28,
    "email": "ana@email.com",
    "linguagens": ["python", "javascript"],
    "ativo": True,
    "endereco": None
}

# Converter para string JSON
json_string = json.dumps(usuario)
print(json_string)
# {"nome": "Ana Silva", "idade": 28, ...}

# Com formatacao bonita
json_formatado = json.dumps(usuario, indent=2, ensure_ascii=False)
print(json_formatado)
# {
#   "nome": "Ana Silva",
#   "idade": 28,
#   "email": "ana@email.com",
#   "linguagens": [
#     "python",
#     "javascript"
#   ],
#   "ativo": true,
#   "endereco": null
# }

O parametro ensure_ascii=False e importante para preservar acentos e caracteres especiais do portugues.

Convertendo JSON para Python

import json

json_texto = '''
{
    "nome": "Bruno Costa",
    "idade": 32,
    "habilidades": ["python", "docker", "aws"],
    "remoto": true
}
'''

# Converter JSON para dicionario Python
dados = json.loads(json_texto)

print(type(dados))       # <class 'dict'>
print(dados["nome"])     # Bruno Costa
print(dados["idade"])    # 32
print(dados["remoto"])   # True (booleano Python)

# Acessar dados aninhados
for hab in dados["habilidades"]:
    print(f"  - {hab}")

Lendo e Escrevendo Arquivos JSON

import json
from pathlib import Path

# Dados para salvar
config = {
    "app_name": "Minha Aplicacao",
    "versao": "2.0.0",
    "database": {
        "host": "localhost",
        "porta": 5432,
        "nome": "minha_app"
    },
    "debug": False,
    "idiomas": ["pt-br", "en", "es"]
}

# Salvar em arquivo
with open("config.json", "w", encoding="utf-8") as f:
    json.dump(config, f, indent=2, ensure_ascii=False)

print("Arquivo salvo!")

# Ler de arquivo
with open("config.json", "r", encoding="utf-8") as f:
    config_lida = json.load(f)

print(f"App: {config_lida['app_name']}")
print(f"DB Host: {config_lida['database']['host']}")

# Usando pathlib (forma mais moderna)
caminho = Path("config.json")
dados = json.loads(caminho.read_text(encoding="utf-8"))

Trabalhando com APIs que Retornam JSON

O uso mais comum de JSON em Python e consumir APIs:

import requests

# Buscar dados de uma API
response = requests.get("https://api.github.com/users/python")

if response.status_code == 200:
    usuario = response.json()  # Ja converte para dict automaticamente
    print(f"Nome: {usuario['name']}")
    print(f"Repositorios: {usuario['public_repos']}")
    print(f"Seguidores: {usuario['followers']}")
else:
    print(f"Erro: {response.status_code}")

# Enviar JSON em uma requisicao POST
novo_dado = {
    "titulo": "Meu Post",
    "conteudo": "Conteudo do post",
    "publicado": True
}

response = requests.post(
    "https://api.exemplo.com/posts",
    json=novo_dado,  # requests serializa automaticamente
    headers={"Authorization": "Bearer meu-token"}
)

Serializacao de Objetos Customizados

Por padrao, json.dumps nao sabe serializar objetos Python como datetime ou classes customizadas. Voce precisa criar um encoder:

import json
from datetime import datetime, date
from decimal import Decimal


class EncoderCustomizado(json.JSONEncoder):
    """Encoder que suporta datetime, date e Decimal."""

    def default(self, obj):
        if isinstance(obj, datetime):
            return obj.isoformat()
        if isinstance(obj, date):
            return obj.strftime("%Y-%m-%d")
        if isinstance(obj, Decimal):
            return float(obj)
        if isinstance(obj, set):
            return list(obj)
        return super().default(obj)


# Uso
dados = {
    "usuario": "Ana",
    "criado_em": datetime.now(),
    "nascimento": date(1995, 3, 15),
    "saldo": Decimal("1234.56"),
    "tags": {"python", "backend"}
}

json_string = json.dumps(dados, cls=EncoderCustomizado, indent=2)
print(json_string)
# {
#   "usuario": "Ana",
#   "criado_em": "2025-07-28T14:30:00.000000",
#   "nascimento": "1995-03-15",
#   "saldo": 1234.56,
#   "tags": ["python", "backend"]
# }

Alternativa com funcao default:

def serializar(obj):
    """Funcao de serializacao customizada."""
    if isinstance(obj, (datetime, date)):
        return obj.isoformat()
    if isinstance(obj, Decimal):
        return float(obj)
    raise TypeError(f"Tipo nao serializavel: {type(obj)}")

json_string = json.dumps(dados, default=serializar, indent=2)

Validacao de JSON com Pydantic

Para validar estruturas JSON complexas, Pydantic e a melhor opcao:

from pydantic import BaseModel, EmailStr, Field
from typing import Optional
from datetime import datetime


class Endereco(BaseModel):
    rua: str
    cidade: str
    estado: str = Field(max_length=2)
    cep: str


class Usuario(BaseModel):
    nome: str = Field(min_length=2, max_length=100)
    email: str
    idade: int = Field(ge=0, le=150)
    endereco: Optional[Endereco] = None
    criado_em: datetime = Field(default_factory=datetime.now)


# Validar JSON recebido
json_entrada = '''
{
    "nome": "Carlos",
    "email": "carlos@email.com",
    "idade": 30,
    "endereco": {
        "rua": "Rua das Flores, 123",
        "cidade": "Sao Paulo",
        "estado": "SP",
        "cep": "01234-567"
    }
}
'''

usuario = Usuario.model_validate_json(json_entrada)
print(f"Nome: {usuario.nome}")
print(f"Cidade: {usuario.endereco.cidade}")

# Converter de volta para JSON
json_saida = usuario.model_dump_json(indent=2)
print(json_saida)

Manipulando JSON Grandes com ijson

Para arquivos JSON muito grandes que nao cabem na memoria, use streaming:

# pip install ijson
import ijson

def processar_json_grande(caminho_arquivo):
    """Processa arquivo JSON grande sem carregar tudo na memoria."""
    with open(caminho_arquivo, "rb") as f:
        # Iterar sobre items de um array
        for registro in ijson.items(f, "item"):
            # Processa um registro por vez
            print(f"Processando: {registro.get('id')}")
            # Faca algo com o registro

# Funciona com arquivos de gigabytes
# processar_json_grande("dados_enormes.json")

JSONLines: Um Registro por Linha

Para processamento de dados em lote, o formato JSONLines e muito pratico:

import json

# Escrever JSONLines
registros = [
    {"id": 1, "nome": "Ana", "score": 95},
    {"id": 2, "nome": "Bruno", "score": 87},
    {"id": 3, "nome": "Carla", "score": 92},
]

with open("dados.jsonl", "w", encoding="utf-8") as f:
    for registro in registros:
        f.write(json.dumps(registro, ensure_ascii=False) + "\n")

# Ler JSONLines
with open("dados.jsonl", "r", encoding="utf-8") as f:
    for linha in f:
        registro = json.loads(linha)
        print(f"{registro['nome']}: {registro['score']}")

Performance: json vs orjson

Para aplicacoes que precisam de alta performance, o orjson e muito mais rapido:

# pip install orjson
import orjson

dados = {"nome": "Ana", "valores": list(range(1000))}

# Serializar (retorna bytes, nao string)
json_bytes = orjson.dumps(dados)

# Com formatacao
json_formatado = orjson.dumps(dados, option=orjson.OPT_INDENT_2)

# Desserializar
dados_lidos = orjson.loads(json_bytes)

# orjson suporta datetime nativamente
from datetime import datetime
dados_com_data = {"criado": datetime.now()}
print(orjson.dumps(dados_com_data).decode())
# {"criado":"2025-07-28T14:30:00"}

Boas Praticas

Ao trabalhar com JSON em Python, siga estas recomendacoes:

Sempre use ensure_ascii=False para preservar caracteres acentuados
Especifique encoding="utf-8" ao abrir arquivos JSON
Valide JSON de fontes externas com Pydantic ou jsonschema
Use indent=2 para arquivos de configuracao legiveis
Para performance critica, considere orjson como alternativa
Trate excecoes json.JSONDecodeError ao fazer parsing de dados externos
Use JSONLines para processamento de dados em lote

Conclusao

JSON e fundamental para qualquer desenvolvedor Python, especialmente ao trabalhar com APIs, configuracoes e troca de dados. Com o modulo json da biblioteca padrao, encoders customizados, Pydantic para validacao e orjson para performance, voce tem todas as ferramentas necessarias para trabalhar com JSON de forma profissional. Dominar essas tecnicas vai facilitar muito seu trabalho com integracao de sistemas e processamento de dados.

Trabalhando com JSON em Python — 2025 | Python Brasil

O Modulo json do Python

Convertendo Python para JSON

Convertendo JSON para Python

Lendo e Escrevendo Arquivos JSON

Trabalhando com APIs que Retornam JSON

Serializacao de Objetos Customizados

Validacao de JSON com Pydantic

Manipulando JSON Grandes com ijson

JSONLines: Um Registro por Linha

Performance: json vs orjson

Boas Praticas

Conclusao

Equipe Python Brasil

Tags

Artigos Relacionados

JSON: O que É e Como Funciona | Python Brasil

Manipulação de Arquivos Python — 2025 | Python Brasil

Python: O que É e Como Funciona | Python Brasil