Módulo Python JSON explicado: volcados, cargas, tipos personalizados y errores comunes
JSON es la forma en que la mayoría de los programas intercambian datos, y el módulo json integrado de Python los lee y escribe en una línea. Sin embargo, los detalles importan: las fechas, los decimales, las claves numéricas y los flotantes cambian a medida que avanza. Probamos cada caso.
json.dumpsconvierte objetos Python en una cadena JSON;json.loadsconvierte JSON nuevamente en Python.dumpyloadhacen lo mismo con los archivos.- Las tuplas se convierten en listas y las claves de diccionario de números enteros se convierten en cadenas, por lo que un viaje de ida y vuelta no siempre es idéntico.
- Fechas, decimales, conjuntos y UUID aumentan
TypeError; manejarlos condefault=o un codificador personalizado. - Utilice
parse_float=Decimalpor dinero y valide los datos analizados antes de confiar en ellos.
Una API devuelve datos de pedido, un archivo de configuración almacena configuraciones, un dispositivo de prueba contiene los resultados esperados: todos ellos probablemente sean JSON. El módulo JSON de Python está integrado, es rápido y fácil para empezar, pero sus casos extremos aparecen la primera vez que intentas guardar una fecha, un Decimal o un diccionario con teclas numéricas.
Ejecutamos todos los ejemplos a continuación con Python 3.13 y los resultados provienen de esa ejecución.
¿Qué es JSON?
JSON, notación de objetos JavaScript, es un formato de texto para datos estructurados: objetos (pares clave-valor), matrices, cadenas, números, true, false y null. Es el formato estándar para API web y es fácil de leer para los humanos. Sus reglas son estrictas: las claves deben ser cadenas entre comillas dobles, sin comas finales ni comentarios.
volcados y cargas
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
Observe que True se convirtió en true y None se convirtió en null; en el camino de regreso, volvieron a sus formas de Python. La “s” en dumps y loads significa “cadena”.
Tipo de mapeo
| pitón | JSON | Volver a Python |
|---|---|---|
dictar |
objeto | dictar |
list, tuple |
matriz | lista |
cadena |
cuerda | cadena |
int, float |
numero | int o float |
True/False |
true/false |
True/False |
Ninguno |
nulo |
Ninguno |
date, Decimal, set, UUID |
No compatible | TypeError en vertederos |
¿Qué cambia en el camino?
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}
Una tupla regresó como una lista y las claves enteras regresaron como cadenas, porque las claves de los objetos JSON siempre son cadenas. El código que luego busca data[1] obtendrá un KeyError, un error común al almacenar en caché diccionarios como JSON. Un documento con una clave duplicada se aceptó silenciosamente, ganando el último valor. Trate un JSON de ida y vuelta como una conversión, no como una copia perfecta.
Formatear salida
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]}
Utilice indent para archivos que la gente lee, como configuración o dispositivos de prueba, y sort_keys=True para que las diferencias en el control de versiones se mantengan pequeñas y estables. Utilice separadores compactos para ahorrar bytes al enviar datos a través de la red.
Unicódigo
json.dumps({"note": "नमस्ते"})
# {"note": "नमस्ते"}
json.dumps({"note": "नमस्ते"}, ensure_ascii=False)
# {"note": "नमस्ते"}
De forma predeterminada, todos los caracteres que no sean ASCII tienen formato de escape. Ambos formularios son JSON válidos y se decodifican en el mismo texto, pero el resultado escapado es difícil de leer y es más grande. Utilice ensure_ascii=False y escriba archivos con encoding="utf-8" para obtener resultados legibles.
Leer y escribir archivos
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
Pase siempre una codificación explícita; En Windows, es posible que el valor predeterminado no sea UTF-8. El bloque with cierra el archivo incluso si falla la escritura, como se explica en nuestra guía de administradores de contexto. Para obtener más información sobre archivos, consulte Manejo de archivos Python.
Fechas, decimales y tus propios objetos.
Los tipos comunes no son compatibles de fábrica. Nuestras pruebas plantearon:
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
La solución más simple es una función default, que dumps llama a cualquier objeto que no pueda manejar:
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"]}
Las fechas se convirtieron en cadenas ISO, el decimal se convirtió en una cadena para mantener su valor exacto, el conjunto se convirtió en una lista ordenada y la clase de datos se convirtió en un diccionario. Termine siempre con raise TypeError, para que los tipos inesperados fallen estrepitosamente en lugar de convertirse silenciosamente en algo incorrecto.
Decodificando tipos personalizados
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)}
Una subclase JSONEncoder pasada con cls= hace el mismo trabajo que default= en una clase reutilizable. En el camino de regreso, se llama a object_hook para cada objeto decodificado, lo que le permite volver a convertir los diccionarios etiquetados en fechas o sus propias clases. Para cualquier cosa más allá de unos pocos tipos, una biblioteca como Pydantic maneja la conversión y la validación juntas, como se muestra en nuestra guía de salida estructurada.
Consejo: Acuerde un formato de fecha para todo su sistema, normalmente ISO 8601 con una zona horaria, como 2026-11-11T09:30:00+05:30 o UTC con una “Z”. Los formatos mixtos entre servicios causan muchos más errores que el propio JSON.
Flotadores y grandes números
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
Los números JSON se convierten en flotantes de Python, con el redondeo binario habitual. Para dinero, pase parse_float=decimal.Decimal o envíe cantidades como cadenas o números enteros de la unidad más pequeña. Python mantuvo exactamente un número entero de 20 dígitos, pero JavaScript y muchos otros lenguajes no pueden representar números enteros superiores a 253 con precisión, razón por la cual los ID grandes a menudo se envían como cadenas.
Python también escribe NaN y Infinity de forma predeterminada, que no son JSON válidos y dañarán otros analizadores. allow_nan=False en su lugar convierte esto en un error: “Los valores flotantes fuera de rango no son compatibles con JSON: nan”.
Errores de análisis
"{'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)
Cada entrada incorrecta planteada json.JSONDecodeError con un mensaje y una posición. El primer caso, comillas simples, generalmente significa que alguien pegó una copia impresa de Python dict en lugar del JSON real. Una cadena vacía a menudo significa que una API no devolvió nada, como por ejemplo en caso de error, así que verifique el estado de HTTP antes de analizar. Capte JSONDecodeError donde la entrada proviene de fuera de su programa.
Líneas JSON para grandes datos
lines = '{"id":1}\n{"id":2}\n'
[json.loads(l)["id"] for l in lines.splitlines()] # [1, 2]
json.load lee el documento completo en la memoria. Para registros y exportaciones grandes, las líneas JSON, un objeto JSON por línea, se pueden procesar un registro a la vez y agregar de forma segura. Es el formato utilizado por muchas herramientas de registro; consulte nuestra guía de registro de Python para obtener registros estructurados.
Validación y seguridad
json.loads es seguro en el sentido de que sólo crea tipos de datos básicos; a diferencia de algunos formatos, nunca ejecuta código. Pero los datos analizados aún pueden estar equivocados: faltan campos, tipos incorrectos o cargas útiles enormes. Valide la forma con un esquema o modelo antes de usarla, limite los tamaños de las solicitudes y nunca pase valores JSON directamente a comandos SQL o Shell. Las pruebas de contrato ayudan a mantener la forma estable entre los servicios.
Velocidad y alternativas
El módulo json de la biblioteca estándar es lo suficientemente rápido para la mayoría de las aplicaciones. Cuando el manejo de JSON aparece en la creación de perfiles, por ejemplo en una API que serializa miles de respuestas grandes por segundo, las bibliotecas de terceros como orjson y ujson suelen ser varias veces más rápidas, y orjson también maneja fechas y clases de datos de forma nativa. Mida antes de cambiar, ya que el comportamiento difiere en pequeños aspectos, como cómo se manejan las claves flotantes y que no son de cadena.
JSON tampoco siempre es el formato correcto:
- Configuración que la gente edita: TOML o YAML permiten comentarios; consulte nuestra guía YAML para conocer sus trampas.
- Grandes conjuntos de datos analíticos: los formatos de columnas como Parquet son mucho más pequeños y más rápidos de consultar.
- Tráfico de servicios de gran volumen: los formatos binarios como Protocol Buffers o MessagePack son más compactos y de tipo estricto.
Para las API, los registros y los dispositivos de prueba cotidianos, la legibilidad y el soporte universal de JSON generalmente ganan.
Conclusión
El módulo json cubre la mayoría de las necesidades con cuatro funciones. Recuerde qué cambios en un viaje de ida y vuelta, tuplas a listas y claves enteras a cadenas, maneje fechas y decimales con una función default, use ensure_ascii=False y UTF-8 para archivos legibles y analice dinero con Decimal. Luego valide lo que carga, porque JSON válido no es lo mismo que datos correctos.
Preguntas frecuentes
¿Cuál es la diferencia entre json.dumps y json.dump?
json.dumps devuelve una cadena JSON. json.dump escribe JSON directamente en un objeto de archivo. Del mismo modo, las cargas analizan una cadena y cargan lecturas de un archivo.
¿Cómo convierto una fecha y hora a JSON en Python?
Pase una función predeterminada a json.dumps que devuelva obj.isoformat() para fechas y horas, o use una subclase JSONEncoder personalizada.
¿Por qué mis claves enteras se convierten en cadenas?
Las claves de los objetos JSON deben ser cadenas, por lo que json.dumps las convierte. Después de cargar, {1: “one”} se convierte en {“1”: “one”}.
¿Cómo imprimo JSON en Python?
Utilice json.dumps(data, indent=2), agregando sort_keys=True para un orden estable y asegurar_ascii=False para mantener legible el texto que no esté en inglés.
¿Por qué aparece JSONDecodeError: valor esperado?
La entrada es un JSON vacío o no válido, a menudo una página de error o una respuesta API vacía. Verifique el código de estado y el texto sin formato antes de analizar.
sigue aprendiendo
¿Necesitas ayuda con pruebas, WordPress o SEO?
Ayudamos a los equipos a enviar mejor software y hacer crecer sus sitios. Cuéntenos en qué está trabajando y le sugeriremos un siguiente paso claro.
Más guías sobre testing, IA y desarrollo moderno
¿Te gustó este artículo? Elige un tema y salta directo a nuestros tutoriales más recientes.
Explicación de las estrategias de fragmentación de RAG: fija, superpuesta, de oración, recursiva y de títulos, medida
Estrategias de fragmentación de RAG comparadas en un documento con tiktoken 0.14: tamaño fijo, superposición, empaquetado de oraciones, división rec…
Leer artículo →Desarrollo de softwareExplicación de la idempotencia de API: claves de idempotencia y reintentos seguros, probados
La idempotencia de API se explicó con un servidor y cliente Python que ejecutamos: una respuesta perdida provocó un cargo doble sin una clave y un c…
Leer artículo →DevOpsExplicación de Git Stash: guardar, aplicar, extraer y archivos sin seguimiento, probado
Git stash se explica con comandos que ejecutamos en Git 2.56: enviar con un mensaje, archivos sin seguimiento, enumerar y mostrar, aplicar frente a …
Leer artículo →Pruebas de softwareExplicación de las pruebas por pares: cómo todos los pares reducen 216 pruebas a 13, probadas
Pruebas por pares explicadas con un generador que ejecutamos en Python 3.13: una comprobación con 216 combinaciones cubiertas por 13 pruebas, cobert…
Leer artículo →Automatización de pruebasExplicación de los dobles de prueba: ficticio, stub, espía, simulado y falso, con código Python probado
Los dobles de prueba se explican con un ejemplo de Python ejecutado en pytest 9.2: ficticio, stub, spy, simulado y falso, cuándo usar cada uno, veri…
Leer artículo →Bases de datos y SQLSQL COALESCE explicado: valores predeterminados, NULLIF, IFNULL vs ISNULL y trampas, probados
SQL COALESCE se explica con consultas que ejecutamos en SQLite 3.50: primeros valores no nulos, cadenas vacías, NULL en matemáticas, NULLIF para div…
Leer artículo →Bases de datos y SQLExplicación de la autounión de SQL: empleado-gerente, comparaciones de pares y filas, probado
La autounión de SQL se explica con consultas que ejecutamos en SQLite 3.50: empleado y gerente, ganando más que el gerente, pares únicos, cambios di…
Leer artículo →Desarrollo de softwareExplicación del operador de extensión de JavaScript: extensión frente a reposo, copias y errores, probado
El operador de extensión de JavaScript explicado con el código que ejecutamos en el Nodo 24: matrices, objetos, copias superficiales, parámetros de …
Leer artículo →Desarrollo de softwareExplicación del módulo de colecciones de Python: contador, defaultdict, deque y más, probado
Colecciones de Python explicadas con el código que ejecutamos en Python 3.13: Counter, defaultdict, deque, namedtuple, OrderedDict y ChainMap, ademá…
Leer artículo →Inteligencia artificialExplicación de la ventana de contexto de LLM: tokens, límites y cómo ajustar más, medidos
La ventana de contexto de LLM se explica con recuentos de tokens que medimos usando tiktoken: palabras frente a tokens para prosa, código e hindi, p…
Leer artículo →Desarrollo de softwareExplicación de los webhooks: cómo funcionan y cómo recibirlos de forma segura
Webhooks explicados con un receptor y un remitente que ejecutamos en Python: push vs polling, firmas HMAC-SHA256, rechazo de solicitudes manipuladas…
Leer artículo →DevOpsExplicación de Git Cherry-Pick: copie la confirmación que necesita, de forma segura y probada
Git cherry-pick explicado con comandos que ejecutamos en Git 2.56: copiar una revisión a una rama de lanzamiento, nuevos hashes e ID de parche, -x, …
Leer artículo →Automatización de pruebasExplicación de las pruebas instantáneas: cómo funciona, cuándo ayuda y cuándo duele
Las pruebas de instantáneas se explican con una demostración de pytest y jarabe que ejecutamos: crear instantáneas, leer la diferencia después de un…
Leer artículo →Pruebas de softwareExplicación de las pruebas de mutación: por qué la cobertura del 100% aún no detectó nuestro error
Las pruebas de mutación se explican con una pequeña herramienta de mutación que construimos y ejecutamos: 14 mutantes, un conjunto de pruebas con un…
Leer artículo →Inteligencia artificialExplicación de la inyección rápida: cómo se engaña a las aplicaciones de inteligencia artificial y cómo defenderlas
Inyección rápida explicada para los constructores: ataques directos e indirectos, por qué fallan los filtros de palabras clave (nuestra prueba bloqu…
Leer artículo →DevOpsRegistros DNS explicados: A, AAAA, CNAME, MX, TXT y TTL con búsquedas reales
Los registros DNS se explican con las búsquedas que realizamos: cómo funciona la resolución, A y AAAA, reglas CNAME, MX y MX nulo, TXT para SPF y ve…
Leer artículo →DevOpsExplicación de las banderas de funciones: lanzamientos seguros, implementaciones graduales e higiene de las banderas
Indicadores de características explicados con una simulación de implementación que ejecutamos: tipos de indicadores, porcentajes de implementación c…
Leer artículo →Automatización de pruebasGeneración de datos de prueba con Python Faker: datos realistas, repetibles y seguros
Pruebe la generación de datos con Python Faker, ejecute y mida: siembra de datos repetibles, configuraciones regionales, valores únicos, registros e…
Leer artículo →Pruebas de softwareExplicación de las pruebas de cambio a la izquierda: encuentre errores antes sin ralentizar al equipo
Se explicaron las pruebas de desplazamiento a la izquierda: qué significa, por qué los defectos tempranos son más baratos, prácticas desde revisione…
Leer artículo →Bases de datos y SQLFunciones de cadenas SQL explicadas: TRIM, SUBSTR, REPLACE, CONCAT y limpieza de datos
Funciones de cadena SQL explicadas con consultas que ejecutamos: concatenación y NULL, TRIM, UPPER e LOWER, SUBSTR e INSTR, REPLACE, relleno, longit…
Leer artículo →Bases de datos y SQLExplicación de los activadores de SQL: ANTES y DESPUÉS de los activadores, registros de auditoría y errores
Los disparadores de SQL se explican con los disparadores que ejecutamos: ANTES versus DESPUÉS, ANTIGUOS y NUEVOS, registros de auditoría, validación…
Leer artículo →Desarrollo de softwareMódulo Python JSON explicado: volcados, cargas, tipos personalizados y errores comunes
El módulo Python JSON explicado con el código que ejecutamos: volcados y cargas, archivos, conversiones de tipos, fechas y decimales, codificadores …
Leer artículo →Desarrollo de softwareMódulos ES frente a CommonJS: cómo funcionan las importaciones de JavaScript en Node.js, probado
Los módulos ES frente a CommonJS se explican con el código que ejecutamos en Node.js: sintaxis de importación y exportación, requisitos, enlaces en …
Leer artículo →Desarrollo de softwarePython Regex explicado: patrones, grupos, anticipaciones y obstáculos, probados
La expresión regular de Python se explica con los patrones que ejecutamos: búsqueda versus coincidencia, búsqueda, grupos y grupos con nombre, codic…
Leer artículo →Inteligencia artificialExplicación del resultado estructurado de LLM: obtención de JSON confiable a partir de modelos de IA
La salida estructurada de LLM se explica con la validación que ejecutamos en Pydantic: modo y esquemas JSON, decodificación restringida, las formas …
Leer artículo →DevOpsExplicación de las claves SSH: cómo funcionan, ssh-keygen, Ed25519 y hábitos seguros
Claves SSH explicadas con las claves que generamos: claves públicas versus privadas, ssh-keygen, Ed25519 versus RSA, huellas digitales, frases de co…
Leer artículo →DevOpsExplicación del almacenamiento en caché HTTP: control de caché, ETag y respuestas 304, con una prueba en vivo
El almacenamiento en caché HTTP se explica con un pequeño servidor que ejecutamos: directivas Cache-Control, edad máxima, sin caché versus sin almac…
Leer artículo →Automatización de pruebasExplicación de las pruebas de contrato API: detecte los cambios importantes antes de enviarlos
Las pruebas de contratos API se explican con una verificación de esquema que ejecutamos: qué es un contrato, contratos impulsados por el consumidor,…
Leer artículo →Pruebas de softwareExplicación de las pruebas basadas en riesgos: calificar los riesgos, crear una matriz y probar lo que importa
Pruebas basadas en riesgos explicadas paso a paso: identificación de riesgos, puntuación de probabilidad e impacto, creación de una matriz de riesgo…
Leer artículo →Bases de datos y SQLExplicación de las restricciones de SQL: NOT NULL, UNIQUE, CHECK y FOREIGN KEY, probado
Las restricciones de SQL se explican con las pruebas que ejecutamos: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY y FOREIGN KEY, las lagunas NULL, la c…
Leer artículo →Bases de datos y SQLFunciones de fecha SQL explicadas: agregar, comparar y agrupar fechas sin errores
Funciones de fecha SQL explicadas con consultas que ejecutamos: agregar intervalos, sorpresas de fin de mes, diferencias de fechas, trampa ENTRE, ag…
Leer artículo →Desarrollo de softwareExplicación de Python asyncio: asíncrono, espera, recopilación y grupo de tareas con tiempos reales
Python asyncio se explica con el código que cronometramos: corrutinas, espera, recopilación, grupo de tareas, manejo de errores, tiempos de espera, …
Leer artículo →Desarrollo de softwareDebounce vs Throttle en JavaScript: cómo funcionan, cuándo usar cada uno, probado
Antirrebote versus aceleración en JavaScript explicado con tiempos que medimos en Node.js: cómo funciona cada uno, implementaciones simples, llamada…
Leer artículo →Desarrollo de softwareExplicación de los administradores de contexto de Python: declaración with, contextlib y usos reales
Los administradores de contexto de Python explicaron con el código que ejecutamos: cómo funciona, __enter__ y __exit__, contextlib.contextmanager, s…
Leer artículo →Inteligencia artificialLLM Temperature y Top-p explicados: cómo los modelos de IA eligen su siguiente palabra
La temperatura de LLM y top-p se explican con una simulación que ejecutamos: cómo se remodelan las probabilidades, qué mantiene topp, configuracione…
Leer artículo →DevOpsYAML explicado: sintaxis, el problema de Noruega y otras trampas que probamos
YAML explicó con una prueba de analizador: sintaxis básica, listas y mapas, el problema de Noruega, versiones que se convierten en flotantes, código…
Leer artículo →DevOpsCron Jobs explicados: sintaxis, cronogramas reales y los errores que los rompen
Los trabajos cron explicados con cronogramas que verificamos: los cinco campos, operadores, ejemplos reales, la trampa del día del mes O del día de …
Leer artículo →Inteligencia artificialExplicación de las alucinaciones de la IA: por qué los modelos de lenguaje inventan cosas y cómo reducirlas
Se explicaron las alucinaciones de la IA: qué son, por qué los modelos de lenguaje las producen, tipos comunes, cómo reducirlas con conexión a tierr…
Leer artículo →DevOpsExplicación de las variables de entorno: archivos .env, secretos y configuración bien hechos
Variables de entorno explicadas con ejemplos de Python que ejecutamos: leerlas y configurarlas, por qué cada valor es una cadena, archivos .env, her…
Leer artículo →Desarrollo de softwareExplicación de la limitación de velocidad de API: algoritmos, encabezados y manejo de errores 429
La limitación de la tasa de API se explica con una simulación que ejecutamos: depósito de tokens, ventana fija, ventana deslizante, 429 respuestas, …
Leer artículo →Automatización de pruebasBurlarse en Python: unittest.mock, patch y los errores que hacen que las pruebas mientan
Burlarse en Python con unittest.mock, probado: Mock y return_value, side_effect, parches donde se usa un nombre, especificación y autospec, fechas d…
Leer artículo →Pruebas de softwareExplicación de la cobertura del código: cobertura de línea versus sucursal y lo que realmente significa 100%
Cobertura del código explicada con una ejecución real de cobertura.py: cobertura de línea, rama y condición, lectura de un informe, por qué una cobe…
Leer artículo →Bases de datos y SQLDELETE vs TRUNCATE vs DROP en SQL: diferencias, reversión y cuándo usar cada uno
DELETE vs TRUNCATE vs DROP explicado con SQL probado: qué elimina cada uno, reversión, activadores, restablecimiento de identidad, velocidad y en qu…
Leer artículo →Bases de datos y SQLVistas SQL explicadas: cree, use y evite los errores, con ejemplos
Vistas SQL explicadas con consultas que ejecutamos: creación de una vista, resultados en vivo, ocultación de columnas, rendimiento, vistas actualiza…
Leer artículo →Desarrollo de softwareInterfaz TypeScript versus tipo: diferencias reales, probadas con el compilador
Interfaz TypeScript versus tipo, verificado con el compilador real: qué pueden hacer ambos, qué puede hacer solo uno, fusión de declaraciones, exten…
Leer artículo →Desarrollo de softwarePython *args y **kwargs explicados: funciones flexibles con ejemplos claros
Python *args y **kwargs explicados con el código que ejecutamos: empaquetado y desempaquetado, orden de parámetros, argumentos solo de palabras clav…
Leer artículo →Desarrollo de softwareFunciones Lambda de Python: sintaxis, usos reales y cuándo no utilizarlas
Funciones lambda de Python explicadas con el código que ejecutamos: sintaxis, clasificación con clave, mapa y filtro, cierres, trampa de enlace tard…
Leer artículo →Inteligencia artificial¿Qué son los agentes de IA? Cómo funcionan, con un bucle de agente simple que puedes ejecutar
¿Qué son los agentes de IA? Una guía sencilla sobre el bucle del agente, las herramientas, la memoria y las barreras de seguridad, con un pequeño bu…
Leer artículo →DevOpsMonitoreo versus observabilidad: la verdadera diferencia, con registros, métricas y seguimientos
Explicación del monitoreo versus observabilidad: fallas conocidas y desconocidas, registros, métricas y seguimientos, un recorrido por incidentes de…
Leer artículo →DevOpsDocker Volumes versus Bind Mounts: persistir los datos del contenedor de la manera correcta
Se explican los volúmenes de Docker frente a los montajes de enlace: por qué desaparecen los datos del contenedor, volúmenes con nombre, montajes de…
Leer artículo →Automatización de pruebasTDD vs BDD: diferencias clave, una función creada en ambos sentidos y cuándo usar cada una
TDD vs BDD explicado con una característica de descuento construida en ambos sentidos: refactor rojo-verde con el código que ejecutamos, escenarios …
Leer artículo →Pruebas de softwarePruebas de Aceptación de Usuario (UAT): Proceso, Lista de Verificación y Ejemplos Reales
Explicación de las pruebas de aceptación del usuario: quién las ejecuta, en qué se diferencia del control de calidad, un proceso de siete pasos, una…
Leer artículo →Bases de datos y SQLValores NULL de SQL explicados: IS NULL, COALESCE, NULLIF y las trampas que se deben evitar
Los valores NULL de SQL se explican con las consultas que ejecutamos: lógica de tres valores, IS NULL, COALESCE, NULLIF, cómo los agregados, las uni…
Leer artículo →Bases de datos y SQLDeclaración SQL CASE WHEN: sintaxis, ejemplos reales y errores comunes
CASO SQL CUANDO se explicó con las consultas que ejecutamos: formularios simples y buscados, orden de condiciones, pivotes con SUMA, trucos COUNT, c…
Leer artículo →Desarrollo de software¿Qué es JWT? Tokens web JSON explicados con un ejemplo práctico
¿Qué es JWT? JSON Web Tokens explicó: las tres partes, un token creado y manipulado en el código que ejecutamos, JWT vs sesiones, almacenamiento, to…
Leer artículo →Desarrollo de softwareExplicación del bucle de eventos de JavaScript: pila de llamadas, microtareas y temporizadores con ejemplos
El bucle de eventos de JavaScript explicado con el código que ejecutamos: pila de llamadas, colas de tareas y microtareas, por qué setTimeout 0 no e…
Leer artículo →Desarrollo de softwareExplicación de los generadores y el rendimiento de Python: ahorre memoria con ejemplos reales
Los generadores de Python y el rendimiento se explican con el código que ejecutamos: cómo se pausan y reanudan, midieron el ahorro de memoria, canal…
Leer artículo →Inteligencia artificial¿Qué son las incrustaciones? Los vectores y la similitud del coseno se explican de forma sencilla
¿Qué son las incrustaciones? Una guía en lenguaje sencillo sobre vectores, similitud de cosenos y búsqueda semántica, con un pequeño ejemplo que eje…
Leer artículo →DevOpsImplementación azul-verde versus implementación canaria: diferencias, compensaciones y cómo elegir
Explicación de la implementación azul-verde versus canaria: cómo funciona cada uno, costo, riesgo y reversión, agrupación estable de usuarios que pr…
Leer artículo →Automatización de pruebasPruebas inestables: qué las causa y cómo solucionarlas para siempre
Pruebas inestables explicadas con demostraciones que realizamos: las causas principales, cómo confirmar y diagnosticar una, correcciones adecuadas p…
Leer artículo →Pruebas de softwarePruebas de carga frente a pruebas de estrés: diferencias, métricas y ejemplos de k6
Explicación de las pruebas de carga frente a las pruebas de estrés: qué prueba cada una, pruebas de picos y de absorción, las métricas que importan,…
Leer artículo →Pruebas de softwareCaso de prueba frente a escenario de prueba: diferencias clave, ejemplos y cuándo utilizar cada uno
Caso de prueba versus escenario de prueba explicado: definiciones claras, una tabla en paralelo, una función de restablecimiento de contraseña tomad…
Leer artículo →Bases de datos y SQLOptimización de consultas SQL: lea planes de ejecución y corrija consultas lentas, con tiempos
Optimización de consultas SQL probada en un millón de filas: lea planes de ejecución, agregue los índices correctos, corrija filtros no sargables, u…
Leer artículo →Bases de datos y SQLSQL UNION vs UNION ALL: diferencias, ejemplos y rendimiento probado
SQL UNION vs UNION ALL explicado con consultas que ejecutamos: duplicados, las reglas que siguen ambos, un error de datos real, rendimiento medido, …
Leer artículo →Desarrollo de softwareTutorial de JavaScript Fetch API: GET, POST, manejo de errores y tiempos de espera
Un tutorial de JavaScript Fetch API probado en un servidor local: GET y POST, por qué 404 no arroja, un asistente reutilizable, cadenas de consulta,…
Leer artículo →Desarrollo de softwareManejo de archivos Python: lectura, escritura, CSV, JSON y pathlib con ejemplos
El manejo de archivos Python se explica con el código que ejecutamos: modos abiertos, lectura de archivos grandes, CSV, JSON, pathlib, archivos bina…
Leer artículo →Desarrollo de softwareClases y objetos de Python: tutorial de programación orientada a objetos con ejemplos reales
Clases y objetos de Python explicados con el código que ejecutamos: __init__, métodos, atributos de clase versus instancia, herencia, propiedades, m…
Leer artículo →Inteligencia artificial¿Qué es un modelo de lenguaje grande? Cómo funcionan los LLM, explicados sin exageraciones
¿Qué es un modelo de lenguaje grande? Los LLM explicados en lenguaje sencillo: tokens, incrustaciones, atención, entrenamiento, ventanas de temperat…
Leer artículo →DevOpsComandos de Linux para principiantes: la guía esencial de terminal con ejemplos
Comandos de Linux para principiantes, agrupados por tarea: navegación, archivos, visualización de registros, grep, canalizaciones, permisos, proceso…
Leer artículo →Automatización de pruebasSelenium vs Playwright: diferencias clave, comparación de códigos y cuál elegir
Comparación de Selenium vs Playwright: arquitectura, espera, soporte de navegador e idioma, depuración, la misma prueba en ambas herramientas, conse…
Leer artículo →Pruebas de softwarePartición de equivalencia: técnica de diseño de pruebas explicada con ejemplos resueltos
Explicación de la partición de equivalencia: cómo encontrar particiones válidas e inválidas, ejemplos prácticos para edades, contraseñas y cupones, …
Leer artículo →Pruebas de softwareSeveridad vs Prioridad en Pruebas de Software: Diferencias, Matriz y Ejemplos Reales
Explicación de gravedad versus prioridad en las pruebas de software: definiciones claras, una matriz de cuatro vías con ejemplos, escalas de niveles…
Leer artículo →Bases de datos y SQLTutorial de subconsultas SQL: tipos, subconsultas correlacionadas y EXISTENCIAS con ejemplos
Un tutorial de subconsultas SQL con consultas que ejecutamos: subconsultas escalares, IN, FROM y SELECT, subconsultas correlacionadas, EXISTS, la tr…
Leer artículo →Bases de datos y SQLTransacciones SQL y ACID explicados: COMMIT, ROLLBACK y niveles de aislamiento
Transacciones SQL y ACID explicadas con una transferencia bancaria que ejecutamos: COMMIT, ROLLBACK, puntos de guardado, bloqueos, niveles de aislam…
Leer artículo →Desarrollo de softwareHoja de trucos de comandos de Git: los comandos que realmente usas, con ejemplos
Una hoja de referencia de comandos de Git agrupada por tarea: configuración, preparación, ramas, controles remotos, almacenamiento, historial y desh…
Leer artículo →Desarrollo de softwareExplicación de las promesas de JavaScript: luego, captura, Promise.all y errores comunes
Las promesas de JavaScript se explican con el código que ejecutamos: estados, luego y cadenas de captura, manejo de errores, Promise.all, allSettled…
Leer artículo →Desarrollo de softwareTutorial del diccionario Python: métodos, ejemplos y patrones comunes
Un tutorial de diccionario de Python con el código que ejecutamos: crear, leer y actualizar dictados, métodos clave, fusión, comprensión, patrones d…
Leer artículo →Inteligencia artificial¿Qué es el RAG? Generación de recuperación aumentada explicada con un ejemplo práctico
¿Qué es RAG? Generación de recuperación aumentada explicada paso a paso: indexación, fragmentación, incrustaciones, recuperación, un pequeño ejemplo…
Leer artículo →DevOpsTutorial de Terraform para principiantes: infraestructura como código desde el primer archivo hasta los módulos
Un tutorial de Terraform para principiantes: comience sin una cuenta en la nube, aprenda init, planifique y aplique, luego variables, resultados, es…
Leer artículo →DevOpsDocker vs Kubernetes: diferencias clave, cómo funcionan juntos y cuál necesita
Docker vs Kubernetes explicó: qué hace cada uno, la misma aplicación se ejecuta con ambos, se comparan Docker Compose y Swarm, los Dockershim cambia…
Leer artículo →Automatización de pruebasTutorial de Pytest para principiantes: accesorios, parametrización y ejemplos reales
Un tutorial de pytest para principiantes con pruebas que ejecutamos en pytest 9.2: afirmaciones, accesorios, parametrización, conftest, marcadores, …
Leer artículo →Pruebas de softwareCiclo de vida de pruebas de software (STLC): 6 fases, criterios de entrada y salida, ejemplo
Se explicó el ciclo de vida de las pruebas de software: seis fases de STLC con criterios de entrada y salida, entregables, un ejemplo de función de …
Leer artículo →Desarrollo de softwareGit merge vs rebase: diferencias, ejemplos y cuándo usar cada uno
Git merge vs rebase explicado con salida real del log, una tabla comparativa, la regla de oro del rebase y un flujo de trabajo seguro para equipos.
Leer artículo →Desarrollo de softwareList comprehension en Python: sintaxis, ejemplos y cuándo evitarla
List comprehension en Python explicada: sintaxis, filtros, if-else, bucles anidados, tiempos medidos y cuándo es mejor un bucle for normal.
Leer artículo →