Erklärung des Python-JSON-Moduls: Dumps, Loads, benutzerdefinierte Typen und häufige Fehler

  1. Startseite
  2. Blog
  3. Softwareentwicklung

Softwareentwicklung

Erklärtes Python-JSON-Modul: Dumps, Ladevorgänge, benutzerdefinierte Typen und häufige Fehler

Über JSON tauschen die meisten Programme Daten aus, und das integrierte JSON-Modul von Python liest und schreibt sie in einer Zeile. Die Details sind jedoch wichtig: Datumsangaben, Dezimalzahlen, Zifferntasten und Gleitkommazahlen ändern sich im Laufe der Zeit. Wir haben jeden Fall getestet.

11 Min. Lesezeit
Erklärung des Python-JSON-Moduls: Dumps, Ladevorgänge, benutzerdefinierte Typen und häufige Fehler

Das Wichtigste

  • json.dumps wandelt Python-Objekte in einen JSON-String um; json.loads wandelt JSON wieder in Python um. dump und load machen dasselbe mit Dateien.
  • Tupel werden zu Listen und ganzzahlige Wörterbuchschlüssel zu Zeichenfolgen, sodass ein Roundtrip nicht immer identisch ist.
  • Datumsangaben, Dezimalzahlen, Mengen und UUIDs erhöhen TypeError; Behandeln Sie sie mit default= oder einem benutzerdefinierten Encoder.
  • Verwenden Sie parse_float=Decimal für Geld und validieren Sie die geparsten Daten, bevor Sie ihnen vertrauen.

Eine API gibt Bestelldaten zurück, eine Konfigurationsdatei speichert Einstellungen, ein Testgerät enthält erwartete Ergebnisse: Alle davon sind wahrscheinlich JSON. Das Python-JSON-Modul ist integriert, schnell und einfach zu starten, aber seine Randfälle werden angezeigt, wenn Sie zum ersten Mal versuchen, ein Datum, eine Decimal oder ein Wörterbuch mit Zifferntasten zu speichern.

Wir haben jedes Beispiel unten mit Python 3.13 ausgeführt und die Ausgaben stammen von diesem Lauf.

Was ist JSON?

JSON, JavaScript Object Notation, ist ein Textformat für strukturierte Daten: Objekte (Schlüssel-Wert-Paare), Arrays, Strings, Zahlen, true, false und null. Es ist das Standardformat für Web-APIs und für Menschen leicht zu lesen. Die Regeln sind streng: Schlüssel müssen Zeichenfolgen in doppelten Anführungszeichen sein, ohne abschließende Kommas und ohne Kommentare.

Mülldeponien und Ladungen

import json

data = {"id": 7, "name": "Asha", "tags": ["admin"], "active": True, "score": None, "price": 10.5}
s = json.dumps(data)
print(s)
# {"id": 7, "name": "Asha", "tags": ["admin"], "active": true, "score": null, "price": 10.5}

back = json.loads(s)
# types: id int, name str, tags list, active bool, score NoneType, price float

Aus Hinweis wurde True zu true und aus None wurde null; Auf dem Rückweg kehrten sie zu ihren Python-Formularen zurück. Das „s“ in dumps und loads steht für „String“.

Typzuordnung

Python JSON Zurück zu Python
dict Objekt dict
list, tuple Array Liste
str Zeichenfolge str
int, float Nummer int oder float
True/False true/false True/False
Keine null Keine
date, Decimal, set, UUID Nicht unterstützt TypeError auf Mülldeponien

Was sich auf dem Weg dorthin ändert

json.loads(json.dumps({"p": (1, 2)}))          # {'p': [1, 2]}
json.loads(json.dumps({1: "one", 2: "two"}))   # {'1': 'one', '2': 'two'}
json.loads('{"a": 1, "a": 2}')                 # {'a': 2}

Ein Tupel wurde als Liste zurückgegeben, und Ganzzahlschlüssel wurden als Zeichenfolgen zurückgegeben, da JSON-Objektschlüssel immer Zeichenfolgen sind. Code, der später nach data[1] sucht, erhält einen KeyError, ein häufiger Fehler beim Zwischenspeichern von Wörterbüchern als JSON. Ein Dokument mit einem Duplikatschlüssel wurde stillschweigend akzeptiert, wobei der letzte Wert gewann. Behandeln Sie einen JSON-Roundtrip als Konvertierung und nicht als perfekte Kopie.

Ausgabe formatieren

json.dumps({"b": 1, "a": [1, 2]}, indent=2, sort_keys=True)
# {
#   "a": [
#     1,
#     2
#   ],
#   "b": 1
# }

json.dumps({"a": 1, "b": [1, 2]}, separators=(",", ":"))
# {"a":1,"b":[1,2]}

Verwenden Sie indent für Dateien, die von Personen gelesen werden, z. B. Konfigurations- oder Testvorrichtungen, und sort_keys=True, damit die Unterschiede in der Versionskontrolle klein und stabil bleiben. Verwenden Sie kompakte Trennzeichen, um beim Senden von Daten über das Netzwerk Bytes zu sparen.

Unicode

json.dumps({"note": "नमस्ते"})
# {"note": "नमस्ते"}

json.dumps({"note": "नमस्ते"}, ensure_ascii=False)
# {"note": "नमस्ते"}

Standardmäßig wird jedes Nicht-ASCII-Zeichen maskiert. Beide Formen sind gültiges JSON und werden in denselben Text dekodiert, die maskierte Ausgabe ist jedoch schwer lesbar und größer. Verwenden Sie ensure_ascii=False und schreiben Sie Dateien mit encoding="utf-8" für eine lesbare Ausgabe.

Dateien lesen und schreiben

with open(path, "w", encoding="utf-8") as f:
    json.dump(data, f, indent=2)

with open(path, encoding="utf-8") as f:
    loaded = json.load(f)

print(loaded == data)   # True

Übergeben Sie immer eine explizite Codierung. Unter Windows ist die Standardeinstellung möglicherweise nicht UTF-8. Der with-Block schließt die Datei auch dann, wenn das Schreiben fehlschlägt, wie in unserem Kontextmanager-Leitfaden erläutert. Weitere Informationen zu Dateien finden Sie unter Python-Dateiverarbeitung.

Datumsangaben, Dezimalzahlen und Ihre eigenen Objekte

Gängige Typen werden standardmäßig nicht unterstützt. Unsere Tests ergaben:

TypeError: Object of type date is not JSON serializable
TypeError: Object of type Decimal is not JSON serializable
TypeError: Object of type set is not JSON serializable
TypeError: Object of type UUID is not JSON serializable

Die einfachste Lösung ist eine default Funktion, die dumps für jedes Objekt aufruft, das sie nicht verarbeiten kann:

def default(o):
    if isinstance(o, (datetime.date, datetime.datetime)): return o.isoformat()
    if isinstance(o, decimal.Decimal): return str(o)
    if isinstance(o, set): return sorted(o)
    if dataclasses.is_dataclass(o): return dataclasses.asdict(o)
    raise TypeError(f"not serializable: {type(o).__name__}")

json.dumps({"order": Order(101, Decimal("1180.50"), date(2026, 11, 11)),
            "tags": {"b", "a"}}, default=default)
# {"order": {"id": 101, "total": "1180.50", "placed": "2026-11-11"}, "tags": ["a", "b"]}

Datumsangaben wurden zu ISO-Zeichenfolgen, die Dezimalzahl wurde zu einer Zeichenfolge, um ihren genauen Wert beizubehalten, die Menge wurde zu einer sortierten Liste und die Datenklasse wurde zu einem Wörterbuch. Beenden Sie immer mit raise TypeError, damit unerwartete Typen lautstark scheitern, anstatt stillschweigend in etwas Falsches verwandelt zu werden.

Benutzerdefinierte Typen zurück dekodieren

class Enc(json.JSONEncoder):
    def default(self, o):
        if isinstance(o, datetime.date):
            return {"__date__": o.isoformat()}
        return super().default(o)

def hook(d):
    return datetime.date.fromisoformat(d["__date__"]) if "__date__" in d else d

json.loads(json.dumps({"d": date(2026, 11, 11)}, cls=Enc), object_hook=hook)
# {'d': datetime.date(2026, 11, 11)}

Eine mit cls= übergebene Unterklasse JSONEncoder erledigt die gleiche Aufgabe wie default= in einer wiederverwendbaren Klasse. Auf dem Rückweg wird object_hook für jedes dekodierte Objekt aufgerufen, sodass Sie getaggte Wörterbücher wieder in Datumsangaben oder Ihre eigenen Klassen umwandeln können. Für alles, was über ein paar Typen hinausgeht, übernimmt eine Bibliothek wie Pydantic die Konvertierung und Validierung gemeinsam, wie in unserem Leitfaden zur strukturierten Ausgabe gezeigt.

Tipp: Vereinbaren Sie ein Datumsformat für Ihr gesamtes System, normalerweise ISO 8601 mit einer Zeitzone, wie zum Beispiel 2026-11-11T09:30:00+05:30 oder UTC mit einem „Z“. Gemischte Formate zwischen Diensten verursachen weitaus mehr Fehler als JSON selbst.

Floats und große Zahlen

json.loads("0.1") + json.loads("0.2")      # 0.30000000000000004
json.loads("0.1", parse_float=Decimal) + json.loads("0.2", parse_float=Decimal)   # 0.3
json.loads("12345678901234567890")         # 12345678901234567890

JSON-Zahlen werden zu Python-Floats mit der üblichen binären Rundung. Übergeben Sie für Geld parse_float=decimal.Decimal oder senden Sie Beträge als Zeichenfolgen oder ganze Zahlen der kleinsten Einheit. Python hat eine 20-stellige Ganzzahl genau beibehalten, aber JavaScript und viele andere Sprachen können Ganzzahlen über 253 nicht präzise darstellen, weshalb große IDs oft als Strings gesendet werden.

Python schreibt standardmäßig auch NaN und Infinity, die kein gültiges JSON sind und andere Parser beschädigen. allow_nan=False macht dies stattdessen zu einem Fehler: „Float-Werte außerhalb des Bereichs sind nicht JSON-kompatibel: nan“.

Fehler analysieren

"{'a': 1}"       Expecting property name enclosed in double quotes (line 1 col 2)
'{"a": 1,}'      Illegal trailing comma before end of object (line 1 col 8)
'{"a": 1} extra' Extra data (line 1 col 10)
''               Expecting value (line 1 col 1)
'{"a": tru}'     Expecting value (line 1 col 7)

Jede fehlerhafte Eingabe löste json.JSONDecodeError mit einer Meldung und einer Position aus. Der erste Fall, einfache Anführungszeichen, bedeutet normalerweise, dass jemand den Ausdruck eines Python dict anstelle von echtem JSON eingefügt hat. Eine leere Zeichenfolge bedeutet häufig, dass eine API nichts zurückgegeben hat, beispielsweise bei einem Fehler. Überprüfen Sie daher vor dem Parsen den HTTP-Status. Fangen Sie JSONDecodeError ab, wenn die Eingabe von außerhalb Ihres Programms kommt.

JSON-Zeilen für große Datenmengen

lines = '{"id":1}\n{"id":2}\n'
[json.loads(l)["id"] for l in lines.splitlines()]   # [1, 2]

json.load liest das gesamte Dokument in den Speicher. Für Protokolle und große Exporte können JSON-Zeilen, ein JSON-Objekt pro Zeile, datensatzweise verarbeitet und sicher angehängt werden. Es ist das Format, das von vielen Protokollierungstools verwendet wird. Strukturierte Protokolle finden Sie in unserem Python-Protokollierungsleitfaden.

Validierung und Sicherheit

json.loads ist in dem Sinne sicher, dass es nur grundlegende Datentypen erstellt; Im Gegensatz zu einigen anderen Formaten führt es niemals Code aus. Aber geparste Daten können immer noch falsch sein: fehlende Felder, falsche Typen oder große Nutzlasten. Validieren Sie die Form mit einem Schema oder einem Modell, bevor Sie sie verwenden, begrenzen Sie die Anforderungsgrößen und übergeben Sie JSON-Werte niemals direkt an SQL- oder Shell-Befehle. Vertragstests tragen dazu bei, die Form zwischen den Diensten stabil zu halten.

Geschwindigkeit und Alternativen

Das JSON-Modul der Standardbibliothek ist für die meisten Anwendungen schnell genug. Wenn die JSON-Verarbeitung bei der Profilerstellung auftaucht, beispielsweise in einer API, die Tausende großer Antworten pro Sekunde serialisiert, sind Bibliotheken von Drittanbietern wie orjson und ujson oft um ein Vielfaches schneller, und orjson verarbeitet auch Datumsangaben und Datenklassen nativ. Messen Sie vor dem Wechsel, da sich das Verhalten in kleinen Punkten unterscheidet, z. B. in der Art und Weise, wie Floats und Nicht-String-Schlüssel gehandhabt werden.

Auch JSON ist nicht immer das richtige Format:

  • Konfiguration, die von Personen bearbeitet wird: TOML oder YAML erlauben Kommentare; Weitere Informationen zu den Fallstricken finden Sie in unserem YAML-Leitfaden.
  • Große analytische Datensätze: Spaltenformate wie Parquet sind viel kleiner und schneller abzufragen.
  • Hochvolumiger Dienstverkehr: Binärformate wie Protocol Buffers oder MessagePack sind kompakter und strenger typisiert.

Bei alltäglichen APIs, Protokollen und Testvorrichtungen überwiegen in der Regel die Lesbarkeit und die universelle Unterstützung von JSON.

Fazit

Das JSON-Modul deckt mit vier Funktionen die meisten Anforderungen ab. Denken Sie daran, was sich bei einem Roundtrip ändert, Tupel zu Listen und Ganzzahlschlüssel zu Strings, behandeln Sie Datumsangaben und Dezimalzahlen mit einer default-Funktion, verwenden Sie ensure_ascii=False und UTF-8 für lesbare Dateien und analysieren Sie Geld mit Decimal. Überprüfen Sie dann, was Sie laden, denn gültiges JSON ist nicht dasselbe wie korrekte Daten.

Häufige Fragen

Was ist der Unterschied zwischen json.dumps und json.dump?

json.dumps gibt einen JSON-String zurück. json.dump schreibt JSON direkt in ein Dateiobjekt. Ebenso analysiert Loads einen String und Load liest aus einer Datei.

Wie konvertiere ich eine Datums-/Uhrzeitdatei in Python in JSON?

Übergeben Sie eine Standardfunktion an json.dumps, die obj.isoformat() für Datums- und Uhrzeitangaben zurückgibt, oder verwenden Sie eine benutzerdefinierte JSONEncoder-Unterklasse.

Warum werden meine Ganzzahlschlüssel zu Zeichenfolgen?

JSON-Objektschlüssel müssen Zeichenfolgen sein, daher konvertiert json.dumps sie. Nach dem Laden wird {1: „one“} zu {“1“: „one“}.

Wie kann ich JSON in Python hübsch drucken?

Verwenden Sie json.dumps(data, indent=2), fügen Sie sort_keys=True für eine stabile Reihenfolge und secure_ascii=False hinzu, um nicht-englischen Text lesbar zu halten.

Warum erhalte ich JSONDecodeError: Wert wird erwartet?

Die Eingabe ist leeres oder ungültiges JSON, häufig eine Fehlerseite oder eine leere API-Antwort. Überprüfen Sie vor dem Parsen den Statuscode und den Rohtext.

Lerne weiter

Arbeiten Sie mit Stack Quora

Benötigen Sie Hilfe beim Testen, WordPress oder SEO?

Wir helfen Teams, bessere Software zu liefern und ihre Websites zu erweitern. Sagen Sie uns, woran Sie gerade arbeiten, und wir schlagen Ihnen einen klaren nächsten Schritt vor.

Lesen Sie weiter

Weitere Anleitungen finden Sie unter Tests, KI und moderne Entwicklung

Hat Ihnen dieser Artikel gefallen? Wählen Sie ein Thema und springen Sie direkt in unsere neuesten Tutorials.

Künstliche Intelligenz

Erklärte RAG-Chunking-Strategien: Fest, Überlappung, Satz, rekursiv und Überschriften, gemessen

RAG-Chunking-Strategien im Vergleich zu einem Dokument mit Tiktoken 0.14: feste Größe, Überlappung, Satzpackung, rekursive Aufteilung und überschrif…

Artikel lesen →
Softwareentwicklung

API-Idempotenz erklärt: Idempotenzschlüssel und sichere Wiederholungsversuche, getestet

Erklärung der API-Idempotenz anhand eines von uns ausgeführten Python-Servers und -Clients: Eine verlorene Antwort verursachte eine doppelte Gebühr …

Artikel lesen →
DevOps

Git Stash erklärt: Speichern, Anwenden, Pop und nicht verfolgte Dateien, getestet

Git Stash erklärt mit Befehlen, die wir auf Git 2.56 ausgeführt haben: Push mit einer Nachricht, nicht verfolgte Dateien, Auflisten und Anzeigen, An…

Artikel lesen →
Softwaretests

Paarweises Testen erklärt: Wie alle Paare 216 Tests auf 13 reduzieren, getestet

Paarweises Testen erklärt mit einem Generator, den wir in Python 3.13 ausgeführt haben: ein Checkout mit 216 Kombinationen, die durch 13 Tests abged…

Artikel lesen →
Testautomatisierung

Test-Doubles erklärt: Dummy, Stub, Spy, Mock und Fake, mit getestetem Python-Code

Test-Doubles werden anhand eines Python-Beispiels erklärt, das in Pytest 9.2 ausgeführt wird: Dummy, Stub, Spy, Mock und Fake, wann jeweils zu verwe…

Artikel lesen →
Datenbanken & SQL

SQL COALESCE erklärt: Standardwerte, NULLIF, IFNULL vs. ISNULL und Traps, getestet

SQL COALESCE wurde mit Abfragen erklärt, die wir in SQLite 3.50 ausgeführt haben: erste Nicht-Null-Werte, leere Zeichenfolgen, NULL in Mathematik, N…

Artikel lesen →
Datenbanken & SQL

SQL Self Join erklärt: Mitarbeiter-Manager, Paare und Zeilenvergleiche, getestet

SQL-Self-Join erklärt anhand von Abfragen, die wir in SQLite 3.50 ausgeführt haben: Mitarbeiter und Manager, mehr verdienen als der Manager, eindeut…

Artikel lesen →
Softwareentwicklung

Erklärter JavaScript-Spread-Operator: Spread vs. Rest, Kopien und Fallstricke, getestet

Der JavaScript-Spread-Operator wird mit Code erklärt, den wir auf Knoten 24 ausgeführt haben: Arrays, Objekte, flache Kopien, Restparameter, das Mat…

Artikel lesen →
Softwareentwicklung

Erklärtes Python-Sammlungsmodul: Counter, defaultdict, deque und mehr, getestet

Python-Sammlungen erklärt mit Code, den wir auf Python 3.13 ausgeführt haben: Counter, defaultdict, deque, benannttuple, OrderedDict und ChainMap, p…

Artikel lesen →
Künstliche Intelligenz

Erklärtes LLM-Kontextfenster: Token, Grenzen und wie man mehr einpasst, gemessen

Das LLM-Kontextfenster wird anhand der Token-Anzahl erklärt, die wir mit Tiktoken gemessen haben: Wörter vs. Token für Prosa, Code und Hindi, Eingab…

Artikel lesen →
Softwareentwicklung

Webhooks erklärt: Wie sie funktionieren und wie man sie sicher empfängt

Webhooks erklärt mit einem Empfänger und Sender, den wir in Python ausgeführt haben: Push vs. Polling, HMAC-SHA256-Signaturen, Ablehnen manipulierte…

Artikel lesen →
DevOps

Git Cherry-Pick erklärt: Kopieren Sie den Commit, den Sie benötigen, sicher und getestet

Git Cherry-Pick erklärt mit Befehlen, die wir in Git 2.56 ausgeführt haben: Kopieren eines Hotfixes in einen Release-Zweig, neue Hashes und Patch-ID…

Artikel lesen →
Testautomatisierung

Snapshot-Tests erklärt: Wie es funktioniert, wann es hilft und wann es weh tut

Snapshot-Tests erklärt anhand einer Pytest- und Sirup-Demo, die wir ausgeführt haben: Snapshots erstellen, Diff nach einer Codeänderung lesen, Zeits…

Artikel lesen →
Softwaretests

Mutationstests erklärt: Warum die 100-prozentige Abdeckung unseren Fehler immer noch übersehen hat

Mutationstests erklärt mit einem kleinen Mutationstool, das wir erstellt und ausgeführt haben: 14 Mutanten, eine Testsuite mit 100 % Linienabdeckung…

Artikel lesen →
Künstliche Intelligenz

Prompt Injection erklärt: Wie KI-Apps ausgetrickst werden und wie man sie verteidigt

Prompt-Injection erklärt für Builder: direkte und indirekte Angriffe, warum Schlüsselwortfilter fehlschlagen (unser Test hat 1 von 4 blockiert) und …

Artikel lesen →
DevOps

Erklärte DNS-Einträge: A, AAAA, CNAME, MX, TXT und TTL mit echten Lookups

DNS-Einträge erklärt anhand der von uns durchgeführten Suchvorgänge: Funktionsweise der Auflösung, A und AAAA, CNAME-Regeln, MX und Null-MX, TXT für…

Artikel lesen →
DevOps

Erklärte Funktionsflags: Sichere Veröffentlichungen, schrittweise Rollouts und Flag-Hygiene

Funktionsflags anhand einer von uns durchgeführten Rollout-Simulation erklärt: Flag-Typen, prozentuale Rollouts mit stabilem Hashing, Kill-Switches,…

Artikel lesen →
Testautomatisierung

Testdatengenerierung mit Python Faker: Realistische, wiederholbare und sichere Daten

Testen Sie die Datengenerierung mit Python Faker, führen Sie sie aus und messen Sie sie: Seeding für wiederholbare Daten, Gebietsschemata, eindeutig…

Artikel lesen →
Softwaretests

Shift-Left-Tests erklärt: Finden Sie Fehler früher, ohne das Team zu verlangsamen

Shift-Left-Tests erklärt: Was es bedeutet, warum Frühdefekte günstiger sind, Vorgehensweisen von Anforderungsüberprüfungen bis hin zu CI-Prüfungen, …

Artikel lesen →
Datenbanken & SQL

Erklärte SQL-String-Funktionen: TRIM, SUBSTR, REPLACE, CONCAT und Datenbereinigung

SQL-String-Funktionen, die mit von uns ausgeführten Abfragen erklärt wurden: Verkettung und NULL, TRIM, UPPER und LOWER, SUBSTR und INSTR, REPLACE, …

Artikel lesen →
Datenbanken & SQL

Erklärte SQL-Trigger: VOR- und NACH-Trigger, Prüfprotokolle und Fallstricke

SQL-Trigger werden anhand von Triggern erklärt, die wir ausgeführt haben: VORHER vs. NACHHER, ALT und NEU, Prüfprotokolle, Validierung, Bestandsaktu…

Artikel lesen →
Softwareentwicklung

Erklärung des Python-JSON-Moduls: Dumps, Loads, benutzerdefinierte Typen und häufige Fehler

Das Python-JSON-Modul wird anhand des von uns ausgeführten Codes erklärt: Dumps und Loads, Dateien, Typkonvertierungen, Datumsangaben und Dezimalzah…

Artikel lesen →
Softwareentwicklung

ES-Module vs. CommonJS: Wie JavaScript-Importe in Node.js funktionieren, getestet

ES-Module vs. CommonJS erklärt mit Code, den wir in Node.js ausgeführt haben: Import- und Exportsyntax, Require, Live-Bindungen, Caching, Top-Level-…

Artikel lesen →
Softwareentwicklung

Python Regex erklärt: Muster, Gruppen, Lookaheads und Fallstricke, getestet

Python-Regex erklärt mit Mustern, die wir ausgeführt haben: Suche vs. Übereinstimmung, Findall, Gruppen und benannte Gruppen, Greedy vs. Lazy, Sub, …

Artikel lesen →
Künstliche Intelligenz

Erklärung der strukturierten LLM-Ausgabe: Zuverlässiges JSON aus KI-Modellen erhalten

Die strukturierte LLM-Ausgabe wird anhand der von uns in Pydantic ausgeführten Validierung erklärt: JSON-Modus und -Schemas, eingeschränkte Dekodier…

Artikel lesen →
DevOps

SSH-Schlüssel erklärt: Wie sie funktionieren, ssh-keygen, Ed25519 und sichere Gewohnheiten

SSH-Schlüssel erklärt mit Schlüsseln, die wir generiert haben: öffentliche vs. private Schlüssel, ssh-keygen, Ed25519 vs. RSA, Fingerabdrücke, Passp…

Artikel lesen →
DevOps

HTTP-Caching erklärt: Cache-Kontrolle, ETag und 304-Antworten, mit einem Live-Test

HTTP-Caching erklärt anhand eines kleinen Servers, den wir ausgeführt haben: Cache-Control-Anweisungen, Max-Age, No-Cache vs. No-Store, ETag-Revalid…

Artikel lesen →
Testautomatisierung

API-Vertragstests erklärt: Erkennen Sie wichtige Änderungen, bevor sie versendet werden

Das Testen von API-Verträgen wird anhand einer von uns durchgeführten Schemaprüfung erklärt: Was ein Vertrag ist, verbrauchergesteuerte Verträge, Pa…

Artikel lesen →
Softwaretests

Risikobasiertes Testen erklärt: Risiken bewerten, eine Matrix erstellen und testen, worauf es ankommt

Risikobasiertes Testen Schritt für Schritt erklärt: Risiken identifizieren, Wahrscheinlichkeit und Auswirkung bewerten, eine Risikomatrix erstellen,…

Artikel lesen →
Datenbanken & SQL

Erklärte SQL-Einschränkungen: NOT NULL, UNIQUE, CHECK und FOREIGN KEY, getestet

SQL-Einschränkungen anhand der von uns durchgeführten Tests erklärt: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY und FOREIGN KEY, die NULL-Lücken, die…

Artikel lesen →
Datenbanken & SQL

Erklärte SQL-Datumsfunktionen: Datumsangaben fehlerfrei hinzufügen, vergleichen und gruppieren

Erklärung der SQL-Datumsfunktionen anhand von Abfragen, die wir ausgeführt haben: Hinzufügen von Intervallen, Überraschungen am Monatsende, Datumsun…

Artikel lesen →
Softwareentwicklung

Python-Asyncio erklärt: Async, Wait, Gather und TaskGroup mit echten Timings

Python-Asyncio erklärt mit Code, den wir getimt haben: Coroutinen, Wait, Gather, TaskGroup, Fehlerbehandlung, Zeitüberschreitungen, Einschränkung de…

Artikel lesen →
Softwareentwicklung

Debounce vs. Throttle in JavaScript: Wie sie funktionieren, wann man sie verwendet, getestet

Debounce vs. Throttle in JavaScript erklärt anhand von Timings, die wir in Node.js gemessen haben: wie jedes funktioniert, einfache Implementierunge…

Artikel lesen →
Softwareentwicklung

Erklärte Python-Kontextmanager: Die with-Anweisung, contextlib und Real Uses

Python-Kontextmanager erklärt anhand des von uns ausgeführten Codes: Funktionsweise, __enter__ und __exit__, contextlib.contextmanager, supprimieren…

Artikel lesen →
Künstliche Intelligenz

LLM-Temperatur und Top-p erklärt: Wie KI-Modelle ihr nächstes Wort wählen

LLM-Temperatur und Top-P erklärt anhand einer von uns durchgeführten Simulation: wie Wahrscheinlichkeiten umgeformt werden, was Top-P beibehält, emp…

Artikel lesen →
DevOps

YAML erklärt: Syntax, das Norwegen-Problem und andere von uns getestete Fallen

YAML erklärt mit einem Parser-Test: grundlegende Syntax, Listen und Karten, das Norwegen-Problem, Versionen, die in Gleitkommazahlen umgewandelt wer…

Artikel lesen →
DevOps

Cron-Jobs erklärt: Syntax, echte Zeitpläne und die Fehler, die sie zerstören

Cron-Jobs werden anhand von Zeitplänen erklärt, die wir überprüft haben: die fünf Felder, Operatoren, reale Beispiele, die Tag-des-Monats- ODER Woch…

Artikel lesen →
Künstliche Intelligenz

KI-Halluzinationen erklärt: Warum Sprachmodelle Dinge erfinden und wie man sie reduziert

KI-Halluzinationen erklärt: Was sie sind, warum Sprachmodelle sie produzieren, gängige Typen, wie man sie mit Erdung und Eingabeaufforderungen reduz…

Artikel lesen →
DevOps

Erklärte Umgebungsvariablen: .env-Dateien, Geheimnisse und Konfiguration richtig gemacht

Umgebungsvariablen anhand von Python-Beispielen erklärt, die wir ausgeführt haben: Sie lesen und festlegen, warum jeder Wert ein String ist, .env-Da…

Artikel lesen →
Softwareentwicklung

API-Ratenbegrenzung erklärt: Algorithmen, Header und Behandlung von 429-Fehlern

API-Ratenbegrenzung anhand einer von uns durchgeführten Simulation erklärt: Token-Bucket, festes Fenster, gleitendes Fenster, 429 Antworten, Ratenbe…

Artikel lesen →
Testautomatisierung

Spott in Python: unittest.mock, Patch und die Fehler, die Tests zum Lügen machen

Mocking in Python mit unittest.mock, getestet: Mock und return_value, side_effect, Patchen, wo ein Name verwendet wird, Spezifikation und Autospec, …

Artikel lesen →
Softwaretests

Code-Abdeckung erklärt: Leitungs- und Zweigstellenabdeckung und was 100 % wirklich bedeutet

Erklärung der Codeabdeckung anhand eines echten Coverage.py-Laufs: Zeilen-, Zweig- und Bedingungsabdeckung, Lesen eines Berichts, warum bei 100 % Ab…

Artikel lesen →
Datenbanken & SQL

DELETE vs. TRUNCATE vs. DROP in SQL: Unterschiede, Rollback und Verwendungszweck

DELETE vs. TRUNCATE vs. DROP erklärt mit getestetem SQL: was jeweils entfernt wird, Rollback, Trigger, Identitätsrücksetzung, Geschwindigkeit und wi…

Artikel lesen →
Datenbanken & SQL

Erklärte SQL-Ansichten: Erstellen, nutzen und vermeiden Sie Fallstricke mit Beispielen

SQL-Ansichten anhand der von uns ausgeführten Abfragen erklärt: Erstellen einer Ansicht, Live-Ergebnisse, Ausblenden von Spalten, Leistung, aktualis…

Artikel lesen →
Softwareentwicklung

TypeScript-Schnittstelle vs. Typ: Echte Unterschiede, getestet mit dem Compiler

TypeScript-Schnittstelle vs. Typ, überprüft mit dem echten Compiler: Was beide können, was nur einer kann, Deklarationszusammenführung, Erweiterunge…

Artikel lesen →
Softwareentwicklung

Python *args und **kwargs erklärt: Flexible Funktionen mit klaren Beispielen

Python *args und **kwargs erklärt mit Code, den wir ausgeführt haben: Packen und Entpacken, Parameterreihenfolge, Nur-Schlüsselwort- und Nur-Positio…

Artikel lesen →
Softwareentwicklung

Python-Lambda-Funktionen: Syntax, tatsächliche Verwendung und wann man sie nicht verwendet

Python-Lambda-Funktionen erklärt mit Code, den wir ausgeführt haben: Syntax, Sortierung mit Schlüssel, Karte und Filter, Abschlüsse, die Late-Bindin…

Artikel lesen →
Künstliche Intelligenz

Was sind KI-Agenten? Wie sie funktionieren, mit einer einfachen Agentenschleife, die Sie ausführen können

Was sind KI-Agenten? Eine einfache Anleitung zur Agentenschleife, zu Tools, Speicher und Leitplanken, mit einer kleinen Python-Schleife, die wir aus…

Artikel lesen →
DevOps

Überwachung vs. Beobachtbarkeit: Der wahre Unterschied, mit Protokollen, Metriken und Traces

Überwachung vs. Beobachtbarkeit erklärt: bekannte und unbekannte Fehler, Protokolle, Metriken und Spuren, eine exemplarische Vorgehensweise für Chec…

Artikel lesen →
DevOps

Docker-Volumes vs. Bind Mounts: Containerdaten auf die richtige Art und Weise beibehalten

Docker-Volumes vs. Bind-Mounts erklärt: Warum Containerdaten verschwinden, benannte Volumes, Bind-Mounts, tmpfs, Compose-Beispiele, Backups, Berecht…

Artikel lesen →
Testautomatisierung

TDD vs. BDD: Hauptunterschiede, eine Funktion, die auf beide Arten entwickelt wurde und wann sie jeweils verwendet werden sollte

TDD vs. BDD erklärt mit einer Rabattfunktion, die in beide Richtungen aufgebaut ist: Rot-Grün-Refaktor mit Code, den wir ausgeführt haben, Gegeben-W…

Artikel lesen →
Softwaretests

Benutzerakzeptanztests (UAT): Prozess, Checkliste und reale Beispiele

Benutzerakzeptanztests erklärt: Wer führt ihn durch, wie unterscheidet er sich von der Qualitätssicherung, ein siebenstufiger Prozess, eine UAT-Test…

Artikel lesen →
Datenbanken & SQL

Erklärte SQL-NULL-Werte: IS NULL, COALESCE, NULLIF und die zu vermeidenden Fallen

SQL-NULL-Werte, die mit von uns ausgeführten Abfragen erklärt wurden: dreiwertige Logik, IS NULL, COALESCE, NULLIF, wie Aggregate, Joins und Sortier…

Artikel lesen →
Datenbanken & SQL

SQL CASE WHEN-Anweisung: Syntax, reale Beispiele und häufige Fehler

SQL CASE WHEN anhand der von uns ausgeführten Abfragen erklärt: einfache und durchsuchte Formulare, Bedingungsreihenfolge, Pivots mit SUM, COUNT-Tri…

Artikel lesen →
Softwareentwicklung

Was ist JWT? JSON-Web-Tokens anhand eines funktionierenden Beispiels erklärt

Was ist JWT? JSON Web Tokens erklärt: die drei Teile, ein Token, das in dem von uns ausgeführten Code erstellt und manipuliert wurde, JWT vs. Sitzun…

Artikel lesen →
Softwareentwicklung

Erklärte JavaScript-Ereignisschleife: Aufrufstapel, Mikrotasks und Timer mit Beispielen

Die JavaScript-Ereignisschleife wurde mit dem von uns ausgeführten Code erklärt: Aufrufstapel, Aufgaben- und Mikrotask-Warteschlangen, warum setTime…

Artikel lesen →
Softwareentwicklung

Erklärung von Python-Generatoren und -Ertrag: Sparen Sie Speicher mit echten Beispielen

Python-Generatoren und Yield anhand des von uns ausgeführten Codes erklärt: wie sie angehalten und fortgesetzt werden, gemessene Speichereinsparunge…

Artikel lesen →
Künstliche Intelligenz

Was sind Einbettungen? Vektoren und Kosinusähnlichkeit einfach erklärt

Was sind Einbettungen? Ein Leitfaden in einfacher Sprache zu Vektoren, Kosinusähnlichkeit und semantischer Suche, mit einem kleinen Beispiel, das wi…

Artikel lesen →
DevOps

Blau-Grün vs. Canary-Bereitstellung: Unterschiede, Kompromisse und Auswahl

Blue-Green vs. Canary-Bereitstellung erklärt: Funktionsweise, Kosten, Risiko und Rollback, stabiles Benutzer-Bucketing, das wir getestet haben, Date…

Artikel lesen →
Testautomatisierung

Flaky-Tests: Was sie verursacht und wie man sie endgültig behebt

Flaky-Tests wurden anhand von Demos erklärt, die wir durchgeführt haben: die Hauptursachen, wie man sie bestätigt und diagnostiziert, richtige Korre…

Artikel lesen →
Softwaretests

Lasttest vs. Stresstest: Unterschiede, Metriken und k6-Beispiele

Erläuterungen zu Lasttests und Stresstests: Was die einzelnen Tests beweisen, Spike- und Soak-Tests, welche Kennzahlen wichtig sind, warum Durchschn…

Artikel lesen →
Softwaretests

Testfall vs. Testszenario: Hauptunterschiede, Beispiele und wann man sie jeweils verwendet

Testfall vs. Testszenario erklärt: klare Definitionen, eine Tabelle nebeneinander, eine Funktion zum Zurücksetzen von Passwörtern, die von Szenarios…

Artikel lesen →
Datenbanken & SQL

SQL-Abfrageoptimierung: Ausführungspläne lesen und langsame Abfragen mit Zeitvorgaben beheben

An einer Million Zeilen getestete SQL-Abfrageoptimierung: Ausführungspläne lesen, die richtigen Indizes hinzufügen, nicht sargierbare Filter korrigi…

Artikel lesen →
Datenbanken & SQL

SQL UNION vs. UNION ALL: Unterschiede, Beispiele und getestete Leistung

SQL UNION vs. UNION ALL anhand der von uns ausgeführten Abfragen erklärt: Duplikate, die Regeln, denen beide folgen, ein echter Datenfehler, gemesse…

Artikel lesen →
Softwareentwicklung

Tutorial zur JavaScript-Abruf-API: GET, POST, Fehlerbehandlung und Zeitüberschreitungen

Ein JavaScript-Abruf-API-Tutorial, das auf einem lokalen Server getestet wurde: GET und POST, warum 404 nicht ausgelöst wird, ein wiederverwendbarer…

Artikel lesen →
Softwareentwicklung

Umgang mit Python-Dateien: Lesen, Schreiben, CSV, JSON und Pathlib mit Beispielen

Die Handhabung von Python-Dateien wird anhand des von uns ausgeführten Codes erklärt: Öffnungsmodi, Lesen großer Dateien, CSV, JSON, Pathlib, Binärd…

Artikel lesen →
Softwareentwicklung

Python-Klassen und -Objekte: OOP-Tutorial mit echten Beispielen

Python-Klassen und -Objekte erklärt mit Code, den wir ausgeführt haben: __init__, Methoden, Klassen- und Instanzattribute, Vererbung, Eigenschaften,…

Artikel lesen →
Künstliche Intelligenz

Was ist ein großes Sprachmodell? Wie LLMs funktionieren, ohne großen Hype erklärt

Was ist ein großes Sprachmodell? LLMs im Klartext erklärt: Token, Einbettungen, Aufmerksamkeit, Training, Temperatur- und Kontextfenster, eine klein…

Artikel lesen →
DevOps

Linux-Befehle für Anfänger: Der grundlegende Terminal-Leitfaden mit Beispielen

Linux-Befehle für Anfänger, gruppiert nach Aufgaben: Navigation, Dateien, Anzeigen von Protokollen, Grep, Pipes, Berechtigungen, Prozesse und Archiv…

Artikel lesen →
Testautomatisierung

Selenium vs. Playwright: Hauptunterschiede, Code im Vergleich und welche Sie wählen sollten

Selenium vs. Playwright im Vergleich: Architektur, Wartezeit, Browser- und Sprachunterstützung, Debugging, der gleiche Test in beiden Tools, Migrati…

Artikel lesen →
Softwaretests

Äquivalenzpartitionierung: Testdesigntechnik anhand von Beispielen erklärt

Erklärung der Äquivalenzpartitionierung: Wie man gültige und ungültige Partitionen findet, Beispiele für Alter, Passwörter und Gutscheine, von uns d…

Artikel lesen →
Softwaretests

Schweregrad vs. Priorität beim Softwaretest: Unterschiede, Matrix und reale Beispiele

Schweregrad vs. Priorität beim Softwaretest erklärt: klare Definitionen, eine Vier-Wege-Matrix mit Beispielen, Stufenskalen, wer die einzelnen Punkt…

Artikel lesen →
Datenbanken & SQL

Tutorial zu SQL-Unterabfragen: Typen, korrelierte Unterabfragen und EXISTS mit Beispielen

Ein SQL-Unterabfrage-Tutorial mit Abfragen, die wir ausgeführt haben: Skalar-, IN-, FROM- und SELECT-Unterabfragen, korrelierte Unterabfragen, EXIST…

Artikel lesen →
Datenbanken & SQL

SQL-Transaktionen und ACID erklärt: COMMIT, ROLLBACK und Isolationsstufen

SQL-Transaktionen und ACID anhand einer von uns durchgeführten Banküberweisung erklärt: COMMIT, ROLLBACK, Sicherungspunkte, Sperren, Isolationsstufe…

Artikel lesen →
Softwareentwicklung

Spickzettel für Git-Befehle: Die Befehle, die Sie tatsächlich verwenden, mit Beispielen

Ein Git-Befehls-Spickzettel, gruppiert nach Aufgabe: Setup, Staging, Branches, Remotes, Stash, Verlauf und Rückgängigmachen von Fehlern, mit Ausgabe…

Artikel lesen →
Softwareentwicklung

Erklärte JavaScript-Versprechen: Dann, Catch, Promise.all und häufige Fehler

JavaScript-Versprechen erklärt mit Code, den wir ausgeführt haben: Zustände, dann und Fangketten, Fehlerbehandlung, Promise.all, allSettled, Rennen …

Artikel lesen →
Softwareentwicklung

Python-Wörterbuch-Tutorial: Methoden, Beispiele und gängige Muster

Ein Python-Wörterbuch-Tutorial mit Code, den wir ausgeführt haben: Diktate erstellen, lesen und aktualisieren, Schlüsselmethoden, Zusammenführung, V…

Artikel lesen →
Künstliche Intelligenz

Was ist RAG? Retrieval-Augmented Generation anhand eines Arbeitsbeispiels erklärt

Was ist RAG? Abruf-erweiterte Generierung Schritt für Schritt erklärt: Indizierung, Chunking, Einbettungen, Abruf, ein kleines funktionierendes Pyth…

Artikel lesen →
DevOps

Terraform-Tutorial für Anfänger: Infrastruktur als Code von der ersten Datei bis zu den Modulen

Ein Terraform-Tutorial für Anfänger: Beginnen Sie ohne Cloud-Konto, lernen Sie Init, Planen und Anwenden, dann Variablen, Ausgaben, Status, Module u…

Artikel lesen →
DevOps

Docker vs. Kubernetes: Hauptunterschiede, wie sie zusammenarbeiten und was Sie brauchen

Docker vs. Kubernetes erklärt: Was jeder tut, die gleiche App läuft mit beiden, Docker Compose und Swarm im Vergleich, die Dockershim-Änderung und w…

Artikel lesen →
Testautomatisierung

Pytest-Tutorial für Anfänger: Vorrichtungen, Parametrisierung und reale Beispiele

Ein Pytest-Tutorial für Anfänger mit Tests, die wir auf Pytest 9.2 durchgeführt haben: Assertions, Fixtures, Parametrize, Conftest, Markers, tmp_pat…

Artikel lesen →
Softwaretests

Software Testing Life Cycle (STLC): 6 Phasen, Einstiegs- und Ausstiegskriterien, Beispiel

Der Softwaretest-Lebenszyklus erklärt: sechs STLC-Phasen mit Ein- und Ausstiegskriterien, Ergebnisse, ein Beispiel für eine funktionierende Anmeldef…

Artikel lesen →
Softwareentwicklung

Git merge vs rebase: Unterschiede, Beispiele und wann man was nutzt

Git merge vs rebase erklärt mit echter Log-Ausgabe, einer Vergleichstabelle, der goldenen Regel des Rebase und einem sicheren Team-Workflow.

Artikel lesen →
Softwareentwicklung

Python List Comprehension: Syntax, Beispiele und wann man darauf verzichtet

Python List Comprehension erklärt: Syntax, Filter, if-else, verschachtelte Schleifen, gemessene Zeiten und Fälle, in denen eine normale for-Schleife…

Artikel lesen →
Datenbanken & SQL

SQL Joins erklärt mit Beispielen (Inner, Left, Right, Full)

SQL Joins Schritt für Schritt mit Beispieltabellen und Abfragen verstehen: INNER, LEFT, RIGHT, FULL, CROSS und SELF, plus typische Fehler und Perfor…

Artikel lesen →