如何在 Python 中将 JSON 模板与动态表名列表映射生成结构化映射字典

本文介绍如何利用单个通用 json 表结构模板，结合外部表名列表（如 ['abc', 'rfe', 'try']），高效构建键为表名、值为列定义的字典映射，避免重复 json 冗余，提升配置灵活性与可维护性。

本文介绍如何利用单个通用 json 表结构模板，结合外部表名列表（如 ['abc', 'rfe', 'try']），高效构建键为表名、值为列定义的字典映射，避免重复 json 冗余，提升配置灵活性与可维护性。

在实际的数据处理或 ETL 场景里，经常碰到多张结构完全一致但逻辑名称不同的表——比如按业务域或时间分片的那种。这时候，要是把每张表的列映射都硬编码进 JSON，那冗余量就太大了。一个更聪明的做法是：把“结构模板”和“实例命名”拆开。说白了，就是先用一份精简的 new_table.json 定义好共用的列结构，再通过 Python 批量把它绑定到动态表名列表上，干净利落。

下面直接上完整方案。

✅ 正确映射逻辑

new_table.json 里的 tables 数组只放了一个通用模板（tables[0]），所以我们不用遍历整个 tables，直接把那个模板的 columns 提取出来，然后跟 table_list 里的每个名字一一配对就行：

import json

table_list = ['abc', 'rfe', 'try']

try:
    with open('new_table.json', 'r', encoding='utf-8') as f:
        mapping_data = json.load(f)

    # 核心：取首个（且唯一）模板的 columns，为每个表名创建映射项
    template_columns = mapping_data['tables'][0]['columns']
    table_mappings = {name: {'columns': template_columns} for name in table_list}

    print(table_mappings)
    # 输出示例：
    # {
    #   'abc': {'columns': {'column1': 'name', 'column2': 'address'}},
    #   'rfe': {'columns': {'column1': 'name', 'column2': 'address'}},
    #   'try': {'columns': {'column1': 'name', 'column2': 'address'}}
    # }

except KeyError as e:
    print(f"JSON 结构错误：缺失预期字段 {e}")
except FileNotFoundError:
    print("错误：未找到 new_table.json 文件")
except json.JSONDecodeError as e:
    print(f"JSON 解析失败：{e}")
except Exception as e:
    print(f"未知错误：{e}")

⚠️ 注意事项

• 健壮性得再加强一下：上面代码里直接用了 mapping_data['tables'][0]，这个写法假设数组非空且至少有一个元素。生产环境里建议先做校验：

  tables = mapping_data.get('tables', [])
  if not tables:
      raise ValueError("JSON 中 'tables' 数组为空，无法获取列模板")
  template_columns = tables[0].get('columns')
  if not isinstance(template_columns, dict):
      raise ValueError("'columns' 字段必须为字典类型")

• 别忘了扩展性：如果以后需求变了，需要让不同表用不同的模板（比如 table_list 和 templates 列表长度一样），那就可以改用 zip(table_list, templates) 做一一对应。
• 编码问题别忽略：打开文件时始终显式写 encoding='utf-8'，免得跨平台时出现乱码。

这个方法兼顾了简洁和可维护性，算是配置驱动开发（Configuration-as-Code）里很典型的实践了。