json 本身不支持直接追加，但可通过 json lines（jsonl）格式实现高效、可扩展的日志式写入与读取——每条记录独占一行，避免解析冲突。
json 本身不支持直接追加，但可通过 json lines（jsonl）格式实现高效、可扩展的日志式写入与读取——每条记录独占一行，避免解析冲突。
标准 JSON 是一个完整的、单根的结构化文档（如数组或对象），因此用 'a' 模式反复 json.dump() 会导致多个 JSON 值连续写入同一文件（例如 [...] [...] [...]），这违反了 JSON 语法规范，json.load() 解析时便会抛出 JSONDecodeError: Extra data 错误。
解决方案是采用 JSON Lines（JSONL） 格式：每行一个合法的 JSON 值（无需逗号分隔，自动换行），既保持结构清晰，又天然支持追加写入与流式读取。
✅ 正确实现：JSONL 写入与读取
import json
def write_jsonl(data, filename='test.jsonl'):
"""将数据以 JSONL 格式追加到文件（每条记录一行）"""
with open(filename, 'a', encoding='utf-8') as f:
f.write(json.dumps(data, ensure_ascii=False) + '\n')
def read_jsonl(filename='test.jsonl'):
"""逐行读取并解析 JSONL 文件，返回所有记录组成的列表"""
records = []
with open(filename, 'r', encoding='utf-8') as f:
for line in f:
line = line.strip()
if line: # 跳过空行
records.append(json.loads(line))
return records
# 示例：多次追加任务列表
tasks_batch_1 = [
["1Name", "1c:/path/file.ext", "1Some other text", 10, ["a", "b", "c"], ""],
["2Name", "2c:/path/file.ext", "2Test text", 20, ["a", "b", "c"], ""]
]
tasks_batch_2 = [["3Name", "3c:/path/file.ext", "3New task", 15, ["x", "y"], "done"]]
write_jsonl(tasks_batch_1)
write_jsonl(tasks_batch_2)
# 读取全部历史记录
all_tasks = read_jsonl()
print(f"共加载 {len(all_tasks)} 条记录")
for i, batch in enumerate(all_tasks, 1):
print(f"第 {i} 批：{batch}")
⚠️ 注意事项与最佳实践
- 不要混用 json.dump() 和 print()：原示例中 print(json.dumps(...), file=...) 虽可行，但推荐显式拼接 \n（如上），更可控且兼容性更好；
- 编码必须统一：始终指定 encoding='utf-8'，避免 Windows 下默认 cp1252 导致中文乱码；
- ensure_ascii=False：保留原始 Unicode 字符（如中文），提升可读性；
- 删除/更新需重写文件：JSONL 不支持随机修改某一行；若需删改，应读取全部内容 → 内存中处理 → 全量重写（或使用数据库替代）；
- 替代方案建议：若需高频增删查改，推荐轻量级数据库（如 SQLite、TinyDB）或序列化格式（如 Pickle 仅限 Python 环境内使用）。
JSONL 是日志记录、ETL 流程和配置审计等场景的理想选择——简单、可靠、跨语言兼容，且完全规避了传统 JSON 的追加陷阱。
