Python: Как проверить причину ошибки сериализации объектов в JSON

#Что произошло и когда проявляется ошибка

Ошибка TypeError: Object of type ... is not JSON serializable означает, что Python пытается передать в стандартный JSON неподдерживаемый объект, например datetime, set, Decimal или экземпляр собственного класса.

#Причины и диагностические признаки

#Подробная пошаговая диагностика и исправление

1. 1. Получите тип и место возникновения ошибкиЗапустите сериализацию тестового объекта с json.dumps, сохраните последнюю строку TypeError и соответствующее место в коде. Не заменяйте исключение default=str без согласованного формата: такая строка может оказаться бесполезной при чтении, а данные потеряют тип.

1. 2. Найдите неподдерживаемый объектВыведите имена типов только на тестовой копии структуры, без приватных значений. Сначала проверьте верхние поля словаря и массивы внутри них. При глубокой структуре используйте ограниченный рекурсивный диагностический обход либо явный список проблемных полей.
2. Пример кода по теме

   PythonКопировать всёВыделить

   Образец кода для файла .py в тестовой копии проекта; перед внедрением замените имена файлов на реальные.

   import json
   from datetime import datetime
   obj = {"created": datetime.now()}
   try:
       json.dumps(obj)
   except TypeError as exc:
       print(type(obj["created"]).__name__, exc)

1. 3. Для даты выберите строковое представлениеЕсли получатель ожидает ISO 8601, сохраняйте datetime через isoformat(); для хранения момента времени используйте aware-дату с явным смещением или UTC. При чтении обратно json.loads даст строку — потребитель должен сознательно восстановить тип по схеме.
2. Пример кода по теме

   PythonКопировать всёВыделить

   Образец кода для файла .py в тестовой копии проекта; перед внедрением замените имена файлов на реальные.

   from datetime import datetime, timezone
   import json
   obj = {"created": datetime.now(timezone.utc).isoformat()}
   print(json.dumps(obj, ensure_ascii=False))

1. 4. Для собственных классов сериализуйте разрешённые поляСоставьте обычный словарь с безопасным перечнем полей; не используйте vars(obj) как универсальную выгрузку — в объекте могут быть внутренние поля и секреты. Для set заранее определите порядок: если нужен стабильный список однородных сравнимых значений, можно использовать sorted, но для смешанных типов потребуется другое правило.
2. Пример кода по теме

   PythonКопировать всёВыделить

   Образец кода для файла .py в тестовой копии проекта; перед внедрением замените имена файлов на реальные.

   from dataclasses import dataclass, asdict
   import json
   @dataclass
   class UserView:
       username: str
       active: bool
   print(json.dumps(asdict(UserView("Анна", True)), ensure_ascii=False))

1. 5. Проверьте обратное чтение и схемуЗапишите JSON в новый файл, прочитайте его через json.loads и сравните ожидаемые поля, типы и значения. Для денег лучше заранее выбрать точную строку десятичного числа либо согласованное целое в минимальных единицах, а не бездумное преобразование Decimal в float.

1. 6. Отдельно обработайте циклы и NaNЕсли ошибка не исчезла, проверьте циклические ссылки (ValueError: Circular reference detected) и значения NaN/бесконечность. Для строгого JSON задайте allow_nan=False, а не оставляйте невалидные для многих систем литералы NaN и Infinity.

#Как проверить, что проблема устранена

Результат содержит только разрешённые JSON-типы; повторное чтение проходит, а значения после преобразований соответствуют документированному контракту.

#Если исправление не помогло

Нельзя безусловно сериализовать пароли, токены, объекты соединений и внутренние состояния. При отказе от преобразования поля явно сообщайте об этом, не пропускайте его молча.