Python JSON完全マスター【データ変換・API連携を徹底攻略】

JSON（JavaScript Object Notation）は、軽量なデータ交換フォーマットとして、Web API、設定ファイル、データストレージなど幅広い用途で使用されています。本記事では、PythonでのJSON操作を基本から応用まで、実用的なサンプルコードとともに徹底解説します。

JSONとは

JSONは、人間が読みやすく、機械が解析しやすいテキストベースのデータ形式です。主な特徴：

• 軽量: XMLより簡潔
• 可読性: 人間が読みやすい構造
• 言語非依存: 多くのプログラミング言語でサポート
• Web標準: REST APIの標準データ形式
• 構造化データ: ネストした複雑なデータを表現可能

JSONの基本構文

{
  "name": "田中太郎",
  "age": 30,
  "is_active": true,
  "skills": ["Python", "JavaScript", "SQL"],
  "address": {
    "prefecture": "東京都",
    "city": "渋谷区"
  },
  "score": null
}

Pythonの標準jsonモジュール

基本的なインポート

import json

PythonのjsonモジュールはPython標準ライブラリに含まれており、追加インストールは不要です。

JSONデータの読み込み（デシリアライゼーション）

json.loads() – 文字列からPythonオブジェクトへ

import json

json_string = '{"name": "田中", "age": 30, "city": "東京"}'
data = json.loads(json_string)
print(data["name"])  # 田中
print(type(data))    # <class 'dict'>

json.load() – ファイルから読み込み

import json

with open('data.json', 'r', encoding='utf-8') as file:
    data = json.load(file)
    print(data)

複雑なJSONデータの処理

import json

json_data = '''
{
  "users": [
    {"id": 1, "name": "Alice", "scores": [85, 90, 78]},
    {"id": 2, "name": "Bob", "scores": [92, 88, 95]}
  ],
  "total": 2
}
'''

data = json.loads(json_data)
for user in data["users"]:
    average = sum(user["scores"]) / len(user["scores"])
    print(f'{user["name"]}: {average:.1f}')

JSONデータの書き出し（シリアライゼーション）

json.dumps() – Pythonオブジェクトから文字列へ

import json

data = {
    "name": "山田花子",
    "age": 25,
    "hobbies": ["読書", "映画鑑賞"],
    "married": False
}

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

json.dump() – ファイルに書き出し

import json

data = {"temperature": 25.5, "humidity": 60, "location": "Tokyo"}

with open('weather.json', 'w', encoding='utf-8') as file:
    json.dump(data, file, ensure_ascii=False, indent=2)

美しいJSON出力の設定

import json

data = {"items": [{"name": "商品A", "price": 1000}, {"name": "商品B", "price": 2000}]}

# 整形されたJSON出力
formatted_json = json.dumps(
    data,
    ensure_ascii=False,  # 日本語をそのまま出力
    indent=2,           # インデント
    separators=(',', ': ')  # セパレータ
)
print(formatted_json)

データ型の対応関係

PythonとJSONの型変換

import json

python_data = {
    "text": "Hello",
    "number": 42,
    "float": 3.14,
    "boolean": True,
    "null_value": None,
    "list": [1, 2, 3],
    "tuple": (4, 5, 6)  # リストとして変換される
}

json_string = json.dumps(python_data)
print(json_string)

エラーハンドリング

JSONDecodeErrorの処理

import json

def safe_json_parse(json_string):
    try:
        return json.loads(json_string)
    except json.JSONDecodeError as e:
        print(f"JSONパースエラー: {e}")
        return None

# 正常なJSON
result1 = safe_json_parse('{"name": "test"}')
print(result1)

# 不正なJSON
result2 = safe_json_parse('{"name": test}')  # クォートなし
print(result2)  # None

ファイル読み込み時のエラー処理

import json

def load_json_file(filename):
    try:
        with open(filename, 'r', encoding='utf-8') as file:
            return json.load(file)
    except FileNotFoundError:
        print(f"ファイルが見つかりません: {filename}")
    except json.JSONDecodeError as e:
        print(f"JSONフォーマットエラー: {e}")
    except Exception as e:
        print(f"予期しないエラー: {e}")
    return {}

data = load_json_file('config.json')

実用的な応用例

Web APIからのデータ取得

import requests
import json

def fetch_api_data(url):
    response = requests.get(url)
    if response.status_code == 200:
        return response.json()  # 自動的にJSONをパース
    return None

# GitHub APIの例
user_data = fetch_api_data('https://api.github.com/users/octocat')
if user_data:
    print(f"ユーザー: {user_data['name']}")
    print(f"リポジトリ数: {user_data['public_repos']}")

設定ファイルの管理

import json
import os

class ConfigManager:
    def __init__(self, config_path='config.json'):
        self.config_path = config_path
        self.config = self.load_config()
    
    def load_config(self):
        if os.path.exists(self.config_path):
            with open(self.config_path, 'r', encoding='utf-8') as file:
                return json.load(file)
        return {"database": {"host": "localhost", "port": 5432}}
    
    def save_config(self):
        with open(self.config_path, 'w', encoding='utf-8') as file:
            json.dump(self.config, file, ensure_ascii=False, indent=2)
    
    def get(self, key, default=None):
        return self.config.get(key, default)

# 使用例
config = ConfigManager()
db_host = config.get('database', {}).get('host', 'localhost')
print(f"データベースホスト: {db_host}")

ログデータの処理

import json
from datetime import datetime

def create_log_entry(level, message, **kwargs):
    log_entry = {
        "timestamp": datetime.now().isoformat(),
        "level": level,
        "message": message,
        **kwargs
    }
    return json.dumps(log_entry, ensure_ascii=False)

def parse_log_file(filename):
    logs = []
    with open(filename, 'r', encoding='utf-8') as file:
        for line in file:
            try:
                log_data = json.loads(line.strip())
                logs.append(log_data)
            except json.JSONDecodeError:
                continue
    return logs

# ログ出力例
log = create_log_entry("ERROR", "データベース接続失敗", user_id=123)
print(log)

カスタムエンコーダーとデコーダー

日付時刻の処理

import json
from datetime import datetime, date

class DateTimeEncoder(json.JSONEncoder):
    def default(self, obj):
        if isinstance(obj, (datetime, date)):
            return obj.isoformat()
        return super().default(obj)

# 使用例
data = {
    "name": "イベント",
    "created_at": datetime.now(),
    "event_date": date.today()
}

json_string = json.dumps(data, cls=DateTimeEncoder, ensure_ascii=False)
print(json_string)

カスタムオブジェクトのシリアライゼーション

import json

class Person:
    def __init__(self, name, age):
        self.name = name
        self.age = age
    
    def to_dict(self):
        return {"name": self.name, "age": self.age}
    
    @classmethod
    def from_dict(cls, data):
        return cls(data["name"], data["age"])

def person_encoder(obj):
    if isinstance(obj, Person):
        return obj.to_dict()
    raise TypeError(f"Object of type {type(obj)} is not JSON serializable")

# シリアライゼーション
person = Person("田中", 30)
json_string = json.dumps(person, default=person_encoder, ensure_ascii=False)
print(json_string)

# デシリアライゼーション
data = json.loads(json_string)
restored_person = Person.from_dict(data)
print(f"復元: {restored_person.name}, {restored_person.age}")

JSONスキーマ検証

基本的なバリデーション

import json

def validate_user_data(data):
    required_fields = ["name", "email", "age"]
    
    if not isinstance(data, dict):
        return False, "データは辞書である必要があります"
    
    for field in required_fields:
        if field not in data:
            return False, f"必須フィールド '{field}' がありません"
    
    if not isinstance(data["age"], int) or data["age"] < 0:
        return False, "年齢は0以上の整数である必要があります"
    
    return True, "バリデーション成功"

# テスト
test_data = {"name": "太郎", "email": "taro@example.com", "age": 25}
is_valid, message = validate_user_data(test_data)
print(f"バリデーション結果: {message}")

JSONSchemaライブラリを使用した検証

# pip install jsonschema が必要
import json
import jsonschema

schema = {
    "type": "object",
    "properties": {
        "name": {"type": "string"},
        "age": {"type": "integer", "minimum": 0},
        "email": {"type": "string", "format": "email"}
    },
    "required": ["name", "age", "email"]
}

def validate_with_schema(data, schema):
    try:
        jsonschema.validate(data, schema)
        return True, "バリデーション成功"
    except jsonschema.ValidationError as e:
        return False, str(e)

# テスト
test_data = {"name": "花子", "age": 30, "email": "hanako@example.com"}
is_valid, message = validate_with_schema(test_data, schema)
print(f"スキーマ検証: {message}")

パフォーマンス最適化

大きなJSONファイルの効率的な処理

import json

def process_large_json_streaming(filename):
    """大きなJSONファイルを効率的に処理"""
    with open(filename, 'r', encoding='utf-8') as file:
        # JSONファイルが配列の場合の処理例
        data = json.load(file)
        if isinstance(data, list):
            for i, item in enumerate(data):
                # バッチ処理
                if i % 1000 == 0:
                    print(f"処理中: {i}件目")
                yield item

# 使用例
# for item in process_large_json_streaming('large_data.json'):
#     # 各アイテムを処理
#     pass

メモリ効率的なJSON処理

import json
import ijson  # pip install ijson が必要

def parse_large_json_efficiently(filename):
    """大容量JSONファイルの効率的な解析"""
    items = []
    with open(filename, 'rb') as file:
        parser = ijson.parse(file)
        for prefix, event, value in parser:
            if prefix.endswith('.name') and event == 'string':
                items.append(value)
                if len(items) >= 100:  # バッチサイズ
                    yield items
                    items = []
        if items:
            yield items

# 通常のjsonライブラリでの簡易版
def simple_batch_processor(data, batch_size=100):
    for i in range(0, len(data), batch_size):
        yield data[i:i + batch_size]

JSONとCSVの相互変換

JSONからCSVへの変換

import json
import csv

def json_to_csv(json_file, csv_file):
    with open(json_file, 'r', encoding='utf-8') as jf:
        data = json.load(jf)
    
    if not data:
        return
    
    with open(csv_file, 'w', newline='', encoding='utf-8') as cf:
        writer = csv.DictWriter(cf, fieldnames=data[0].keys())
        writer.writeheader()
        writer.writerows(data)

# 使用例
sample_data = [
    {"name": "Alice", "age": 30, "city": "Tokyo"},
    {"name": "Bob", "age": 25, "city": "Osaka"}
]

with open('sample.json', 'w', encoding='utf-8') as f:
    json.dump(sample_data, f, ensure_ascii=False, indent=2)

json_to_csv('sample.json', 'output.csv')

CSVからJSONへの変換

import json
import csv

def csv_to_json(csv_file, json_file):
    data = []
    with open(csv_file, 'r', encoding='utf-8') as cf:
        reader = csv.DictReader(cf)
        for row in reader:
            data.append(row)
    
    with open(json_file, 'w', encoding='utf-8') as jf:
        json.dump(data, jf, ensure_ascii=False, indent=2)

# csv_to_json('input.csv', 'output.json')

Web開発での活用

FlaskでのJSON API

from flask import Flask, jsonify, request
import json

app = Flask(__name__)

@app.route('/api/users', methods=['GET'])
def get_users():
    users = [
        {"id": 1, "name": "太郎", "email": "taro@example.com"},
        {"id": 2, "name": "花子", "email": "hanako@example.com"}
    ]
    return jsonify(users)

@app.route('/api/users', methods=['POST'])
def create_user():
    data = request.get_json()
    if not data or 'name' not in data:
        return jsonify({"error": "名前は必須です"}), 400
    
    new_user = {
        "id": 3,
        "name": data["name"],
        "email": data.get("email", "")
    }
    return jsonify(new_user), 201

# if __name__ == '__main__':
#     app.run(debug=True)

FastAPIでのJSON処理

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
import json

app = FastAPI()

class User(BaseModel):
    name: str
    age: int
    email: str

@app.post("/users/")
async def create_user(user: User):
    # Pydanticモデルは自動的にJSONに変換される
    return {"message": "ユーザー作成成功", "user": user}

@app.get("/users/{user_id}")
async def get_user(user_id: int):
    # ダミーデータ
    if user_id == 1:
        return {"id": 1, "name": "テストユーザー", "age": 30}
    raise HTTPException(status_code=404, detail="ユーザーが見つかりません")

デバッグとトラブルシューティング

JSON構文エラーの特定

import json
import re

def debug_json_error(json_string):
    try:
        json.loads(json_string)
        print("JSON形式は正しいです")
    except json.JSONDecodeError as e:
        print(f"エラー位置: {e.pos}")
        print(f"エラー行: {e.lineno}")
        print(f"エラー列: {e.colno}")
        print(f"エラー内容: {e.msg}")
        
        # エラー箇所を表示
        lines = json_string.split('\n')
        if e.lineno <= len(lines):
            error_line = lines[e.lineno - 1]
            print(f"問題のある行: {error_line}")
            print(f"{'':>{e.colno-1}}^")

# テスト
bad_json = '''
{
  "name": "test",
  "age": 30,
  "city": "Tokyo"  // コメントは無効
}
'''
debug_json_error(bad_json)

JSONの差分比較

import json

def compare_json(json1, json2):
    def find_differences(obj1, obj2, path=""):
        differences = []
        
        if type(obj1) != type(obj2):
            differences.append(f"{path}: 型が異なります ({type(obj1)} vs {type(obj2)})")
            return differences
        
        if isinstance(obj1, dict):
            all_keys = set(obj1.keys()) | set(obj2.keys())
            for key in all_keys:
                new_path = f"{path}.{key}" if path else key
                if key not in obj1:
                    differences.append(f"{new_path}: 左側にキーがありません")
                elif key not in obj2:
                    differences.append(f"{new_path}: 右側にキーがありません")
                else:
                    differences.extend(find_differences(obj1[key], obj2[key], new_path))
        elif isinstance(obj1, list):
            if len(obj1) != len(obj2):
                differences.append(f"{path}: 配列長が異なります ({len(obj1)} vs {len(obj2)})")
            for i in range(min(len(obj1), len(obj2))):
                differences.extend(find_differences(obj1[i], obj2[i], f"{path}[{i}]"))
        elif obj1 != obj2:
            differences.append(f"{path}: 値が異なります ({obj1} vs {obj2})")
        
        return differences
    
    return find_differences(json1, json2)

# テスト
json_a = {"name": "Alice", "age": 30, "skills": ["Python", "JavaScript"]}
json_b = {"name": "Alice", "age": 31, "skills": ["Python", "Java"]}

differences = compare_json(json_a, json_b)
for diff in differences:
    print(diff)

JSONの圧縮と最適化

不要な空白の除去

import json

def minimize_json(json_string):
    """JSONから不要な空白を除去"""
    data = json.loads(json_string)
    return json.dumps(data, separators=(',', ':'), ensure_ascii=False)

# テスト
formatted_json = '''
{
  "name": "テスト",
  "data": [
    1,
    2,
    3
  ]
}
'''

minimized = minimize_json(formatted_json)
print(f"元のサイズ: {len(formatted_json)} bytes")
print(f"圧縮後: {len(minimized)} bytes")
print(f"圧縮率: {(1 - len(minimized)/len(formatted_json))*100:.1f}%")

まとめ

PythonでのJSON操作は、標準ライブラリのjsonモジュールにより簡単かつ効率的に実行できます。Web開発、データ分析、設定管理など様々な場面で活用される重要な技術です。

重要なポイント：

• json.loads/json.dumpsで基本的な変換をマスター
• エラーハンドリングで堅牢なコードを実装
• ensure_ascii=Falseで日本語を適切に処理
• カスタムエンコーダーで複雑なオブジェクトに対応
• パフォーマンスを考慮した大容量データ処理

本記事のサンプルコードを参考に、あなたのプロジェクトに最適なJSON処理を実装してください。適切なエラーハンドリングとパフォーマンス最適化により、実用的なシステムを構築できます。

参考文献

• Python公式jsonドキュメント
• JSON Schema公式サイト
• RFC 7159 – JSON仕様
• Flask/FastAPI公式ドキュメント

■プロンプトだけでオリジナルアプリを開発・公開してみた！！

■AI時代の第一歩！「AI駆動開発コース」はじめました！

テックジム東京本校で先行開始。

■テックジム東京本校

「武田塾」のプログラミング版といえば「テックジム」。
講義動画なし、教科書なし。「進捗管理とコーチング」で効率学習。
より早く、より安く、しかも対面型のプログラミングスクールです。

＜短期講習＞5日で5万円の「Pythonミニキャンプ」開催中。

＜月1開催＞放送作家による映像ディレクター養成講座

＜オンライン無料＞ゼロから始めるPython爆速講座