树节点不能直接 json.dumps,需通过 default 参数、jsonencoder 子类或显式递归转为嵌套列表/字典;注意循环引用、字段筛选、递归限制及结构约定一致性。

树节点定义不支持直接 json.dumps 会报错
Python 默认的 json.dumps 只能处理 dict、list、str、int 等基础类型,如果树节点是自定义类(比如 TreeNode),直接传入会抛出 TypeError: Object of type TreeNode is not JSON serializable。这不是数据结构问题,而是序列化器不认识你的类。
常见错误写法:
json.dumps(root)—— 必然失败。
- 必须提供
default参数或继承json.JSONEncoder - 若节点含循环引用(如 parent 指针),需提前断开或过滤字段
- 避免在
default中递归调用json.dumps,容易栈溢出
用递归函数转成嵌套 list 更可控
比起绕路走 JSON 编码器,对树结构做显式递归遍历生成嵌套列表,逻辑清晰、调试方便,也更容易控制字段取舍和顺序。
假设节点结构为:class TreeNode: def __init__(self, val, children=None): ...,则转换函数可这样写:
def tree_to_nested_list(node):
if node is None:
return None
result = [node.val]
if node.children:
result.extend(tree_to_nested_list(child) for child in node.children)
return result
- 返回形式是
[val, [...], [...]],符合“嵌套列表”语义 - 若需保留空子树占位(如二叉树中缺失的 left/right),改用字典或固定长度元组更稳妥
- 深度较大时注意 Python 默认递归限制(
sys.setrecursionlimit可调,但建议用栈模拟迭代版)
带 metadata 的树要显式筛选字段
真实项目里树节点常带额外属性:id、type、metadata、parent 等。盲目全量展开会导致序列化结果臃肿甚至包含不可序列化对象(如 datetime、threading.Lock)。
安全做法是白名单式提取:
def tree_to_nested_list(node, fields=('val', 'label')):
if node is None:
return None
item = {f: getattr(node, f) for f in fields if hasattr(node, f)}
if hasattr(node, 'children') and node.children:
item['children'] = [tree_to_nested_list(child, fields) for child in node.children]
return item
- 上面返回的是嵌套 dict,若坚持要 list 形式,可把
item改为[getattr(node, f) for f in fields],但字段顺序必须严格一致 - 字段名写死易出错,推荐用
dataclasses.asdict()或pydantic.BaseModel.dict()替代手写 - 注意
children属性名可能叫subtrees、nodes、_children,得按实际类结构调整
JSONEncoder 子类适合复用场景但要防坑
如果同一类树节点要在多处序列化(比如 API 返回 + 日志落盘),封装成 json.JSONEncoder 子类更干净。
关键点不是“怎么写”,而是“怎么避错”:
- 重写
default(self, obj)时,务必用isinstance(obj, TreeNode)判断,别用type(obj) == TreeNode(子类会失效) - 不要在
default里调json.dumps(obj),应只返回原始数据结构(list/dict/str/None) - 若节点有非标准字段(如
__weakref__或描述符),vars(obj)可能爆 KeyError,建议用obj.__dict__.get('xxx', default)
调用方式:
json.dumps(root, cls=TreeNodeEncoder)嵌套列表本身不携带结构元信息(比如哪层是 children、哪层是 sibling),所以序列化时字段语义和层级约定必须和反序列化端完全一致;这点比 JSON 字段名显式声明更易出错。
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!











