本文介绍如何使用 go 的 `encoding/json` 包安全解析包含 `null` 元素和可选字段（如 `label`）的 json 数组，并提取结构化数据。

Go 语言原生的 json.Unmarshal 对处理含 null 值和不规则结构的 JSON 数组非常友好——关键在于正确选择目标类型。你提供的 JSON 是一个顶层 JSON 数组，其元素类型混合：既有对象（如 {"id": 27}），也有 null，且对象中字段非完全一致（label 是可选的）。直接解码为 []map[string]interface{} 虽可行，但丧失类型安全与可读性；而使用指针结构体切片（[]*Item）是更优雅、健壮的方案。

以下是一个完整、可运行的示例：

package main

import (
    "encoding/json"
    "fmt"
)

type Item struct {
    Id    int    `json:"id"`
    Label string `json:"label,omitempty"` // omitempty 表示序列化时若为空则忽略；反序列化时自动适配缺失字段
}

func main() {
    data := []byte(`[
        {"id": 27},
        {"id": 0, "label": "Label 0"},
        null,
        {"id": 93},
        {"id": 85},
        {"id": 54},
        null,
        {"id": 46, "label": "Label 46"}
    ]`)

    var items []*Item
    if err := json.Unmarshal(data, &items); err != nil {
        fmt.Printf("JSON 解析失败: %v\n", err)
        return
    }

    fmt.Println("解析结果（共", len(items), "项）:")
    for i, item := range items {
        if item == nil {
            fmt.Printf("[%d] → nil (原始 JSON 中的 null)\n", i)
        } else {
            fmt.Printf("[%d] → id=%d, label=%q\n", i, item.Id, item.Label)
        }
    }
}

输出效果：

Miller CSV TSV JSON 数据处理器

Miller (mlr) 是一个命令行工具，用于查询、整形和重新格式化名称索引数据，如 CSV、TSV、JSON 和 JSON Lines。它将 awk、sed、cut、join 和 sort 的功能整合到一个专为结构化数据处理而构建的单一工具中。

下载

解析结果（共 8 项）:
[0] → id=27, label=""
[1] → id=0, label="Label 0"
[2] → nil (原始 JSON 中的 null)
[3] → id=93, label=""
[4] → id=85, label=""
[5] → id=54, label=""
[6] → nil (原始 JSON 中的 null)
[7] → id=46, label="Label 46"

✅ 核心原理说明：

• 使用 []*Item（结构体指针切片）作为目标类型，json 包会自动将 JSON 数组中的每个对象解码为 *Item，而将 null 解码为 nil 指针，完美保留语义。
• 字段标签 json:"label,omitempty" 确保 label 缺失时不报错，且默认值为空字符串（string 零值）。
• 不需要手动判断类型或嵌套循环——Go 的 Unmarshal 已内置对多级、稀疏、含 null 的 JSON 的鲁棒支持。

⚠️ 注意事项：

• 若需严格区分 "label": "" 和 "label" 缺失，应将 Label 改为 *string 类型，并配合 omitempty；此时 nil 表示字段不存在，空指针解引用需谨慎。
• 切勿用 []Item（值类型切片）接收含 null 的数组，否则 null 位置会触发 json: cannot unmarshal null into Go value of type main.Item 错误。
• 生产环境中建议始终检查 err 并做日志/错误处理，而非仅打印后 return。

掌握这种基于结构体 + 指针切片 + 标签控制的模式，即可高效、安全地解析绝大多数现实场景中的“多层级”或“不规则” JSON 数据。