pandas.json_normalize() 是最省力可靠的三层嵌套 JSON 展开方案，专为扁平化设计，自动容错处理 None、空列表及字段不一致；支持 record_path 指定数组路径、meta 提取父级字段，参数直白且不抛 AttributeError/TypeError。
别硬写四层 .get()，用 pandas.json_normalize() 是最省力的展开方案，尤其适合 API 返回的“对象套数组套对象”结构。
为什么 json_normalize 比手写递归更可靠
它专为扁平化嵌套 JSON 设计，自动处理 None、空列表、不一致字段名，不会因某一层缺失就崩掉；而手写 data.get('a', {}).get('b', {}).get('c', []) 容易漏掉中间层为 None 或 list 的情况，一访问就抛 AttributeError 或 TypeError。
- 输入是字典或列表，输出是
DataFrame，天然支持筛选、去重、导出 - 对字段名含点号（如
"user.profile.name"）或带空格的键也能安全处理 - 不依赖额外 JSONPath 语法，参数直白：
record_path指定要展开的数组路径，meta指定要提升到每行的父级字段
record_path 和 meta 怎么配才不出错
典型错误是把整个响应当 record_path，结果报 TypeError: unhashable type: 'dict' ——因为 record_path 必须指向一个 list，不是 dict。
- 先确认数据结构：用
print(type(data.get('items')))看你要展开的字段是不是list -
record_path填字符串路径，如'data.users'或['results', 'entries']（支持列表形式，防键名含点） -
meta填父级字段名，如['id', 'timestamp', ['metadata', 'source']]，嵌套字段用列表表示 - 如果
record_path不存在，返回空DataFrame，不报错；但meta字段缺失会填NaN
遇到重复键名或动态字段怎么办
json_normalize 默认会把同名字段覆盖，比如两层都有 id，外层的会被内层顶掉。这不是 bug，是设计如此。
- 用
sep参数改分隔符，例如sep='_'，让user_id和order_id不冲突 - 动态字段（如
"2024-04-15": {...}这种日期作 key）必须提前转成标准结构，json_normalize不识别通配符 - 真有大量动态键，先用字典推导式收拢：
{k: v for k, v in data.items() if isinstance(v, dict)}，再传给json_normalize
性能和边界要注意什么
它底层调用的是 Pandas 构造逻辑，小数据（ijson 流式解析 + 手动建 dict。
- 默认不处理时间字符串，
"created_at": "2024-01-01T12:00:00Z"还是字符串，得后续用pd.to_datetime() - 不能直接处理带 BOM 的 bytes，得先
response.content.decode('utf-8-sig')再json.loads()，最后喂给json_normalize - 如果原始 JSON 里混了 HTML 注释或 502 页面，
json.loads()那步就会炸，json_normalize根本没机会运行
真正麻烦的从来不是怎么展开，而是展开前没校验 response.status_code、没剔 BOM、没判断 record_path 类型——这些动作漏掉一个，后面所有 json_normalize 调用都白搭。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
