如何高效将 JSON 数据批量导入 Django 模型（SQL 数据库）
本文详解 Django 中将 JSON 文件数据批量写入数据库的正确方法，重点解决单次循环中仅保存最后一条记录的问题，并推荐使用 bulk_create() 实现高性能、低开销的一次性批量插入。
在 Django 开发中，从外部 JSON 文件导入数据到数据库，是个高频操作。但不少新手容易踩一个坑：在循环里创建了模型实例，却把保存操作放错了位置，结果数据库里只孤零零躺着最后一条记录，前面的数据全丢了。
比如下面这段典型的“问题代码”：
for item in data:
my_model_instance = MyModel(...) # 每次覆盖引用
my_model_instance.sa ve() # ❌ 只保存最后一次迭代的对象
问题出在哪？关键在于，.sa ve() 必须放在循环内部，每创建一个实例就立刻保存。但更优的方案是：先把所有实例“攒”起来，然后一次性入库。这正是 Django ORM 的 bulk_create() 方法大显身手的地方。
这个方法会把成百上千条记录，打包成一条或极少数几条 SQL INSERT 语句发送给数据库。比起在循环里调用 N 次 .sa ve()（意味着 N 次数据库连接和事务），性能提升可不是一星半点，尤其是在处理大量数据时，效率差异能达到数十倍。
那么，具体该怎么写呢？下面是一个优化后的、可直接使用的视图函数示例：
from django.shortcuts import render
import json
from .models import MyModel
import os
def display(request):
# 构建 JSON 文件绝对路径（注意：建议使用 settings.BASE_DIR 更健壮）
json_file_path = os.path.join(
os.path.dirname(__file__), '..', '..', 'jsondata.json'
)
try:
with open(json_file_path, 'r', encoding='utf-8') as f:
data = json.load(f)
# ✅ 使用列表推导式批量构建模型实例
model_instances = [
MyModel(
end_year=item.get('end_year'),
intensity=item.get('intensity'),
sector=item.get('sector'),
topic=item.get('topic'),
insight=item.get('insight'),
url=item.get('url'),
region=item.get('region'),
start_year=item.get('start_year'),
impact=item.get('impact'),
added=item.get('added'),
published=item.get('published'),
country=item.get('country'),
relevance=item.get('relevance'),
pestle=item.get('pestle'),
source=item.get('source'),
title=item.get('title'),
likelihood=item.get('likelihood'),
)
for item in data
]
# ✅ 批量写入数据库（自动跳过空列表，支持 batch_size 参数分批）
MyModel.objects.bulk_create(model_instances, batch_size=1000)
except FileNotFoundError:
data = []
# 可选：记录日志或抛出自定义异常
# import logging; logging.error("JSON file not found: %s", json_file_path)
except json.JSONDecodeError as e:
data = []
# 处理 JSON 格式错误
raise ValueError(f"Invalid JSON format: {e}") from e
except Exception as e:
# 建议捕获更具体的异常（如 IntegrityError），便于调试
raise
return render(request, 'display.html', {'data': data})
代码写好了，但魔鬼藏在细节里。想让这段代码足够健壮，能上生产环境，有几个关键点必须注意：
- ✅ 使用 .get(key) 替代直接 item[‘key’]：这能有效避免因为 JSON 里某个字段意外缺失而导致的
KeyError崩溃，让程序更从容。 - ✅ 指定 encoding=‘utf-8’：处理包含中文或其他非 ASCII 字符的数据时，这行代码能救命，确保不会出现乱码。
- ✅ 善用 batch_size 参数：当数据量极大（比如超过一万条）时，设置
batch_size=1000可以分批插入，既能避免单条 SQL 语句过长导致数据库报错，也能防止内存被瞬间吃光。 - ⚠️ bulk_create() 不触发 sa ve() 方法和信号：这是个重要的限制。如果你在模型的
sa ve()方法里写了自定义逻辑，或者依赖pre_sa ve/post_sa ve信号来做点事情（比如自动更新某个时间戳），那么bulk_create()会绕过它们。这种情况下，就需要考虑其他方案，比如使用model_to_dict()配合表单保存，或者手动在批量创建后触发相关逻辑。 - ⚠️ 留意主键与默认值：对于自增主键（
AutoField），bulk_create()会自动处理好。但是，对于模型中字段定义的default值（例如default=timezone.now），bulk_create()不会自动计算并填充。你需要在创建实例时，就显式地传入这些值。 - ✅ 路径安全是底线：示例中使用了相对路径来定位 JSON 文件，这在开发中或许方便，但在生产环境是隐患。最佳实践是，通过
settings.BASE_DIR来构建绝对路径，将数据文件放在项目结构内明确的位置进行管理。
把这些要点都做到位，你的 JSON 数据导入流程就不仅仅是“能用”，而是具备了生产环境所需的健壮性、可维护性与高性能。从源头避免数据丢失，让批量操作真正快起来，这才是高效开发该有的样子。
