Python中如何处理嵌套字典与列表的数据提取与过滤？

在 Python 的实际开发中，接口返回的 JSON 或本地配置文件常常包含字典里套列表、列表里再套字典的结构。要从中稳定地提取和过滤数据，需要理解数据结构并选用合适的方法。

基础循环提取

当结构相对固定时，可以用 for 循环逐层访问。假设我们有如下数据：

data = {
    'users': [
        {'name': '张三', 'age': 25, 'tags': ['python', 'web']},
        {'name': '李四', 'age': 17, 'tags': ['game']},
        {'name': '王五', 'age': 30, 'tags': ['python', 'ai']}
    ]
}

# 提取所有成年用户的名字
result = []
for user in data['users']:
    if user['age'] >= 18:
        result.append(user['name'])
print(result)

上面代码通过判断 age 字段完成基础过滤，适合层级浅且字段确定的情况。

使用列表推导式

列表推导式能让提取过滤更简洁。比如我们要拿到所有包含 python 标签的用户名：

names = [u['name'] for u in data['users'] if 'python' in u.get('tags', [])]
print(names)

这里用 u.get('tags', []) 避免字段缺失时报错，是处理真实数据的好习惯。

递归处理未知深度

如果嵌套层数不固定，可以写递归函数。下面示例从任意嵌套结构中提取所有的 name 值：

def extract_names(obj, out=None):
    if out is None:
        out = []
    if isinstance(obj, dict):
        for k, v in obj.items():
            if k == 'name' and isinstance(v, str):
                out.append(v)
            else:
                extract_names(v, out)
    elif isinstance(obj, list):
        for item in obj:
            extract_names(item, out)
    return out

print(extract_names(data))

递归方式不依赖具体层级，能适应结构多变的数据源。

过滤后生成新结构

有时我们不仅要提取，还要保留部分层级。可以用推导式生成新的字典列表：

filtered = [
    {'name': u['name'], 'age': u['age']}
    for u in data['users'] if u['age'] >= 18
]
print(filtered)

这样得到的新数据更轻量，方便后续入库或传输。

小结

处理嵌套字典与列表时，浅层固定结构用循环或推导式即可；结构复杂或不固定时优先考虑递归与 get 方法。合理过滤能提升代码健壮性，也降低后续处理成本。

Pythonnested_datadata_filter修改时间：2026-07-27 08:06:19