直接用json.loads()解析高精度数字必丢精度，因float受限于ieee 754双精度（仅15–17位有效数字）；须用parse_float=decimal.decimal或字符串暂存以保精度。
直接用 json.loads() 解析含高精度数字的 JSON 字符串，一定会丢精度——这不是 bug，是 float 类型的底层限制。必须绕过 float，改用 decimal.Decimal 或字符串暂存。
Python json.loads() 为什么默认丢精度
JSON 字符串里的数字（如 "1234567890123456789.0123456789"）在 json.loads() 中默认转成 Python 的 float，而 float 是 IEEE 754 双精度，最多精确到 15–17 位十进制数字。超出部分会被舍入或转科学计数法。
- 小数：
"3.14159265358979323846"→3.141592653589793（末尾 10 位消失） - 大整数：
"1234567890123456789"→1234567890123456800（末几位被“抹平”） - 即使值是
10.00000，也会变成10.0，末尾零全丢
用 parse_float=decimal.Decimal 保留原始小数精度
这是最轻量、最直接的修复方式，不改数据结构，只换解析时的类型转换逻辑。
- 必须导入
decimal模块 -
parse_float参数只影响 JSON 中的 number 字段，不影响字符串、布尔、null - 返回的是
Decimal实例，后续需显式调用str()或to_eng_string()输出原始字符串形式 - 不能直接用于 numpy/scipy 等依赖
float的库，得先转float（此时又丢精度）或保持Decimal运算
示例：
import json
import decimal
<p>s = '{"price": 129.99000, "pi": 3.1415926535897932384626433832795}'
data = json.loads(s, parse_float=decimal.Decimal)</p><h1>{'price': Decimal('129.99000'), 'pi': Decimal('3.1415926535897932384626433832795')}</h1>
大整数（>2^53）必须走字符串路径
decimal.Decimal 能保小数精度，但对超长整数（比如 19 位订单 ID）仍可能因构造时隐式转 float 出问题。更稳妥的方式是：让 JSON 字符串里数字本身带引号，即传字符串而非数字。
- 后端应在序列化前就把
long/int字段转成str，例如：data["id"] = str(order_id) - 前端 JavaScript 才不会在
JSON.parse()时把它当 number 处理 - Python 端收到的就是
str，可按需用int()或decimal.Decimal()构造，完全可控 - 如果无法改后端，只能预处理 JSON 字符串：用正则把疑似大整数的裸数字包上引号，再
json.loads()
正则预处理示例（慎用，需结合业务字段名）：
import re
import json
<p>raw = '{"id": 1234567890123456789, "amount": 99.99}'
safe = re.sub(r':\s*(\d{17,})', r': "\1"', raw) # 匹配17位以上裸整数
data = json.loads(safe) # {'id': '1234567890123456789', 'amount': 99.99}</p>
Decimal 和字符串方案的关键区别
选 decimal.Decimal 还是字符串，取决于你后续怎么用这个值：
- 要做加减乘除、金融计算？用
decimal.Decimal，它支持精确十进制运算 - 只是展示、透传、拼接 URL 或 DB 查询条件？字符串更安全、更省事、无类型转换风险
- 要喂给 pandas / sklearn / requests 等库？查清它们是否接受
Decimal；否则字符串 + 显式float()或int()更稳 - 字段含义模糊（比如既可能是 ID 又可能是金额）？统一字符串，由业务层决定怎么 cast
真正容易被忽略的不是“怎么修”，而是“修完之后怎么用”。Decimal 不等于 float，也不等于 str，它是个独立类型——一旦用了 parse_float=decimal.Decimal，所有下游代码都得适配它，否则 runtime error 或静默精度丢失会卷土重来。
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！
