Python如何高效访问嵌套列表与字典中的特定键值对？

做数据爬虫或对接第三方API的同学，几乎每天都在和深层嵌套的JSON数据打交道。比如一条商品数据，可能长这样：data['result']['items'][0]['sku_info']['price']，一层套一层，任何一环缺失都会让程序直接崩溃。更麻烦的是，有些接口在不同情况下返回的结构还不完全一致，字段可能缺失、列表可能为空、某一层可能干脆是null。如何在Python中高效且安全地访问这些嵌套结构里的特定键值对，是一个非常实际的问题。

为什么直接用方括号层层取值不可取

最直观的写法就是一路方括号取下去：data['a']['b'][0]['c']。这种写法在结构完全确定、数据来源可控的场景下没有问题，速度也快。但一旦数据来自外部，比如网络接口、用户上传的JSON文件、爬虫抓取的页面，风险就来了。

假设我们要从一份API响应中取出用户昵称：

data = {
    "code": 0,
    "data": {
        "user_list": [
            {"id": 1, "profile": {"nickname": "张三"}}
        ]
    }
}

# 直接取值，任何一层缺失都会抛异常
nickname = data["data"]["user_list"][0]["profile"]["nickname"]

上面这段代码在结构完整时能正常工作，但如果user_list是空列表，会抛出IndexError；如果profile键不存在，会抛出KeyError；如果接口出错时返回的结构变了，还可能抛出TypeError，比如对None使用下标操作。为了让程序不崩，你可能会写出这样的防御代码：

if "data" in data and data["data"] is not None:
    user_list = data["data"].get("user_list", [])
    if user_list:
        profile = user_list[0].get("profile")
        if profile:
            nickname = profile.get("nickname", "未知用户")

四层判断只为了取一个字段，代码臃肿且难以维护。当需要取的字段有十几个时，这种写法会让函数体迅速膨胀。所以我们需要更优雅的方案。

使用get方法和默认值构建安全访问链

字典自带的get方法是第一个要掌握的工具。它接受两个参数：键名和默认值，键不存在时返回默认值而不是抛异常。结合默认值设计，可以构建一条安全的访问链。

# 每一层都返回字典，最后再取目标键
nickname = (
    data.get("data", {})
        .get("user_list", [{}])[0]
        .get("profile", {})
        .get("nickname", "未知用户")
)

这个写法的核心思路是：字典层的默认值给空字典{}，列表层用user_list[0]之前先确保列表非空，可以写成data.get("user_list", [{}])或者先取列表再判断长度。这样即使中间某层缺失，后续的get也能在空字典上正常执行，最终返回默认值。

需要注意的是，如果某一层的值可能是None而不是缺失，比如"profile": None，那么None.get()依然会报AttributeError。解决办法是给get传一个明确的空字典默认值，或者封装一个辅助函数：

def safe_get(d, *keys, default=None):
    """逐层安全取值，任何一层失败返回default"""
    cur = d
    for k in keys:
        if isinstance(cur, dict):
            cur = cur.get(k, default)
        elif isinstance(cur, list) and isinstance(k, int) and -len(cur) <= k < len(cur):
            cur = cur[k]
        else:
            return default
    return cur

nickname = safe_get(data, "data", "user_list", 0, "profile", "nickname", default="未知用户")

这个自定义函数把访问路径抽象成一串参数，字典和列表统一处理，代码一下子就清爽了。自己造轮子的好处是完全可控、零依赖，缺点是需要自己维护和测试。下面看看现成的第三方库能提供什么。

借助第三方库：jsonpath_ng与glom的实战对比

当嵌套结构非常深、或者需要批量提取多个字段时，使用专门的查询库效率更高。先看jsonpath_ng，它实现了JSONPath查询语法，适合在一次解析中按路径表达式取值：

from jsonpath_ng import parse

expr = parse("data.user_list[*].profile.nickname")
matches = expr.find(data)
nicknames = [m.value for m in matches]
print(nicknames)  # ['张三']

JSONPath的优势是表达式即路径，支持通配符*和递归下降..，比如parse("$..nickname")可以找出整棵树里所有的nickname，不用关心它藏在哪一层。对于结构不固定、只需按字段名全量搜索的场景特别好用。缺点是性能一般，每次find都要遍历匹配，不适合超大体积数据的高频调用。

再看glom，它的定位是结构化数据访问与重构，指定路径和默认值都很简洁：

from glom import glom, PathAccessError

# 用元组表示路径，整数代表列表下标
nickname = glom(data, ("data", "user_list", 0, "profile", "nickname"), default="未知用户")

# 还能一次性提取多个字段
spec = {"nick": ("data", "user_list", 0, "profile", "nickname"),
        "uid": ("data", "user_list", 0, "id")}
result = glom(data, spec)

glom的杀手锏是多字段批量提取，一个spec字典就能把散落在各处的字段汇聚成一个新结构，这在做数据清洗时非常省事。此外pydash也值得一试，它的get函数支持点号路径，如pydash.get(data, "data.user_list.0.profile.nickname", default="未知用户")，写法接近JavaScript的lodash风格，上手成本几乎为零。

性能与场景选择建议

不同方案的性能差异明显。简单说：原生方括号 > get链 > 自定义safe_get > glom > jsonpath_ng。原生访问走的是字典哈希查找，速度最快；jsonpath每次find都要解析和遍历，开销最大。在一个百万次循环的取值测试中，原生访问和JSONPath之间可能有十倍以上的差距。

选择建议如下：如果结构完全可信，比如程序内部构造的配置对象，直接用方括号，没有性能负担；如果结构来自外部但只需要取一两个字段，用get链或自定义的safe_get即可，零依赖且够快；如果一次要提取几十个字段、或者结构不固定需要模糊搜索，上glom或jsonpath_ng；而做配置管理时，pydash的点号路径写法最直观。

最后提醒一点，无论用哪种方案，取到值之后的类型校验同样重要。嵌套结构里"price"可能是数字也可能是字符串形式的数字，取值安全了不代表用值安全。养成取值后统一转换和校验的习惯，配合上面这些访问技巧，处理再深的嵌套数据也能做到游刃有余。

Python嵌套字典嵌套列表键值对访问修改时间：2026-09-11 08:44:42