日志里全是 \\uXXXX？json.dumps 四个默认参数的实测账单

这周连续撞上两桩怪事：先是为双快照做内容指纹，两份一模一样的数据哈希死活对不上；后来又发现紧凑序列化能省下十几个字节，而同事的代码里怎么改都省不出来。追到底，两桩都是同一个源头——json.dumps 的默认参数。它有四个默认值，每一个都曾在真实数据上咬过人。这篇把它们逐一实测（Python 3.13.12），账单如下。

文章目录

• • 一、ensure_ascii：中文字节的 46% 税
  • 二、sort_keys：指纹对不齐的真凶
  • 三、separators：默认值里藏着两个空格
  • 四、allow_nan：一个不算 JSON 的合法输出
  • 五、round-trip 不是恒等
  • 六、给指纹场景立一条铁律
  • 七、30 秒带走版

一、ensure_ascii：中文字节的 46% 税

默认 ensure_ascii=True 会把所有非 ASCII 字符转成反斜杠 u 开头的转义序列。实测对象是一个最简单的两键字典：键为城市、值为香港，再加一个人数计数。默认写法序列化出来 57 字节，关掉转义后 39 字节——同样的数据，多付 46%。账目很清楚：字典里的 6 个汉字按 UTF-8 本是每个 3 字节，转义后变成每个 6 个 ASCII 字符，光这一项就净多 18 字节。

这不只是难看：转义后的串在日志里不可读（排查时要人肉反解）、字节统计翻倍、与前端核对字段时长度对不上。对外接口建议保持默认（最大兼容老客户端），日志与本地文件建议关掉——ensure_ascii=False 加上文件写入时显式指定 utf-8 编码，两件事缺一不可，漏了后者会直接抛编码异常。

二、sort_keys：指纹对不齐的真凶

更隐蔽的一个：dict 的序列化顺序等于插入顺序。同一个内容、两种构建顺序，产出的字节串不同，sha1 指纹实测分别为 b6ebf63d155d 与 bfb36f31854e——值相等，指纹不同。我上周的双快照校验就是这样误报的：同一接口两次抓取，对端在两次响应之间调整了字段顺序，我的指纹却拿它们当两份数据。

修法一行：序列化时加 sort_keys=True——实测加排序后两次哈希精确一致。凡是用序列化结果做指纹、哈希、去重的场景，这个参数不是可选项。它解决不了嵌套列表内部的顺序差异（那是数据本身的问题），但能把「键序」这一整类误报清零。

三、separators：默认值里藏着两个空格

默认分隔符在逗号和冒号后面各跟一个空格。实测一个四键小字典：默认 28 字节，紧凑写法 23 字节。示例越小差距越不起眼，但它是按键值对固定征收的：上万条记录的导出文件里，这就是稳稳的一成体积。配合关闭 ascii 转义，导出类任务的体积能省下两成以上。反过来也要提醒：对外接口不要为省字节改分隔符——紧凑与否是合法的 JSON 两面，但对接方的字节数校验、签名计算若基于默认格式，改动会破坏对账。

四、allow_nan：一个不算 JSON 的合法输出

最意外的一个。默认 allow_nan=True 下，含正负无穷与非数的字典照样能序列化，输出里出现 NaN、Infinity 这样的字面量——而 JSON 规范（RFC 8259）里根本没有这些字面量，严格解析器（包括浏览器里的 JSON.parse）拿到就会抛错。实测更迷惑的是：标准库自己的解析器居然能把 NaN 原样读回——这是 CPython 自留的非标准后门，为的是自家 round-trip 无损。

换句话说：Python 写出的「JSON」，Python 自己读得懂，全世界都读不懂。实测这个后门是双向的——写进去的 NaN 能原样读回，但这只在本语言内成立；任何跨语言的链路（浏览器、移动端、严格解析器）都会在同一个字面量上断掉，而且报错的人看到的是一份「看起来完全正常」的输出。带非数的实测量要出网，先在序列化前清洗成空值或显式标记字符串；指望默认参数替你把关，它只会沉默地放行。

五、round-trip 不是恒等

把四条静默变形放在一起看：元组过一趟变列表；整数键变字符串键（取值方式得跟着改）；datetime 对象要么先转字符串、要么直接抛错——而字符串化会把时区标签剥掉，这正是昨天那篇 utcnow 漂移的下游事故。读回等于写出，只对 JSON 原生类型成立；跨过去一趟，形状、键型、标签都可能悄悄换掉。任何依赖 round-trip 保真的代码，都该有类型断言兜底。

六、给指纹场景立一条铁律

综合这一周的两次事故，给所有「用序列化结果做比对」的场景立一条三件套铁律：排序（sort_keys=True）+ 关转义（ensure_ascii=False）+ 紧凑分隔符，三个参数同时固定，指纹才有可比性——只固定其中一个，另外两个默认值随时会把比对结果搅浑。顺带一提，探表式调试时先打印序列化结果的前 60 个字符再算哈希：转义符、空格、键序这三类问题，肉眼一眼可见，哈希只会告诉你「不相等」。

七、30 秒带走版

参考链接

本文实验环境：Python 3.13.12 标准库；字节数与哈希值均为本机实测，哈希示例值随内容不同而不同，方法可直接复现。