一、Python标准库json模块
如果你需要一个零依赖、开箱即用的方案，Python内置的json模块无疑是首选。它轻量、直接，处理基础数据类型转换完全够用。
上手非常简单，第一步就是导入：import json。
想把一个Python字典变成JSON字符串？一行代码搞定：json_str = json.dumps({'name': 'Alice', 'age': 30})。
反过来，把JSON字符串“变回”Python对象同样轻松：data = json.loads(json_str)。
当然，它也有局限性。遇到日期时间这类非标准支持的类型时，你就得自己动手了——需要定义继承自json.JSONEncoder或json.JSONDecoder的子类，然后在调用dumps或loads时，通过cls参数把这个自定义类传进去。
二、Pydantic结构化模型
当数据校验和类型安全成为首要考虑时，Pydantic就该登场了。它绝不仅仅是个序列化工具，更是一个通过类型注解强制执行数据验证的“守门员”。在序列化和反序列化的同时，字段验证、默认值填充、类型转换一气呵成，非常适合对数据可靠性要求高的业务场景。
首先，通过pip install pydantic安装它。
接着，定义一个继承自BaseModel的类，用类型注解声明字段：class User(BaseModel): name: str; age: int。
实例化后，调用.model_dump()方法就能得到字典，完成序列化：u = User(name='Bob', age=25); dict_data = u.model_dump()。
反序列化则用.model_validate()，无论是字典还是JSON字符串，都能构造出经过校验的实例：u2 = User.model_validate({'name': 'Carol', 'age': 28})。
三、Ja va平台Jackson库
在Ja va世界里，Jackson几乎是处理JSON的事实标准。它功能强大、高度可配置，支持注解驱动和流式API，是Spring Boot等企业级框架的默认选择，灵活性和扩展性都堪称一流。
通常，通过Ma ven引入依赖：
核心是ObjectMapper这个类，先创建一个实例：ObjectMapper mapper = new ObjectMapper();。
序列化对象到JSON字符串：String json = mapper.writeValueAsString(new Person("Da vid", 32));。
反序列化回指定类型的对象：Person p = mapper.readValue(json, Person.class);。整个过程，注解可以帮你精细控制字段的映射和行为。
四、.NET平台System.Text.Json
对于.NET开发者，System.Text.Json是官方钦点的现代方案。自.NET Core 3.0起内置，它主打高性能和低内存占用，在吞吐量上表现优异，已经逐步取代了经典的Newtonsoft.Json。
首先，引用命名空间：using System.Text.Json;。
序列化时，可以直接将C#对象转为UTF-8字节数组，效率很高：byte[] utf8Json = JsonSerializer.SerializeToUtf8Bytes(new Product { Id = 101, Name = "Laptop" });。
反序列化同样直接：Product product = JsonSerializer.Deserialize
通过JsonSerializerOptions可以轻松自定义行为，比如忽略空值或使用驼峰命名：var options = new JsonSerializerOptions { DefaultIgnoreCondition = JsonIgnoreCondition.WhenWritingNull, PropertyNamingPolicy = JsonNamingPolicy.CamelCase };。
五、Ja vaScript原生API
在Ja vaScript的地盘上，处理JSON是最自然不过的事，因为浏览器和Node.js环境都原生提供了全局的JSON对象，无需任何额外依赖。
把对象或数组变成字符串，用JSON.stringify()：const jsonStr = JSON.stringify({ name: "Tom", scores: [95, 87] });。
这个方法很灵活，你可以传入一个replacer函数来过滤或转换序列化的字段，比如隐藏密码：JSON.stringify(obj, (key, value) => key === 'password' ? undefined : value)。
还可以用space参数让输出格式更美观，便于调试：JSON.stringify(data, null, 2)。
反过来，解析JSON字符串用JSON.parse()：const obj = JSON.parse(jsonStr);。
它同样支持一个reviver函数，让你能在解析过程中对每个属性进行预处理，比如把字符串年龄转为数字：JSON.parse(jsonStr, (key, value) => key === 'age' ? Number(value) : value)。
六、R语言jsonlite包
对于用R进行数据分析或与Web API交互的开发者来说，jsonlite包是处理JSON的稳定之选。它非常成熟，支持自动类型推断，能巧妙地将嵌套结构扁平化，输出对API友好的格式。
安装并加载包：install.packages("jsonlite"); library(jsonlite)。
将R的命名列表序列化为JSON字符串：toJSON(list(name = "Anna", age = 29), auto_unbox = TRUE)。这里的auto_unbox参数很重要，能自动将单元素向量从数组中解包。
想让输出的JSON更易读？设置pretty = TRUE即可：toJSON(data, pretty = TRUE)。
反序列化用fromJSON：fromJSON('{"name":"Leo","score":92}') 。
处理嵌套的JSON时，它的一个强大功能是能自动展开并转换为R中常用的data.frame结构，非常方便：fromJSON(json_text, simplifyDataFrame = TRUE)。
