Impara le best practice di JSON, tecniche di manipolazione e strategie di ottimizzazione.
JSON è la lingua universale delle API moderne e dei file di configurazione. Impara i sei tipi di dati, le regole di sintassi e perché JSON è diventato il formato che ha conquistato il web.
Confronto pratico tra JSON e XML: sintassi, performance, tooling e quando usare quale.
JSON per le API, YAML per la configurazione: scopri le differenze e le insidie nascoste di YAML.
Guida completa a JSON.parse() e JSON.stringify(): gestione errori, valori ignorati e pattern API reali.
Il modulo json di Python ha tutto ciò di cui hai bisogno — nessun pip install. Guida pratica a json.loads, json.dumps, file I/O, encoder personalizzati e gestione degli errori.
JSONPath è per JSON quello che XPath è per XML — un linguaggio di query per navigare ed estrarre valori. Ecco la sintassi, esempi reali su un dataset realistico e come usarlo in JavaScript e Python.
I Workers eseguono il tuo codice in oltre 300 data center con un runtime Fetch-API e un bundle da 1 KB. Ecco l'insieme di pattern che separano un Worker giocattolo da uno che puoi eseguire in produzione — parsing del body, CORS, proxy upstream e caching edge.
OpenAI Structured Outputs ti permette di passare un JSON Schema e ricevere JSON con validità garantita — basta risposte incapsulate in markdown o chiavi allucinate. Ecco come progettare schemi, usare la modalità strict e gestire i rifiuti in produzione.
Gli LLM rompono il JSON in cinque modi prevedibili: fence markdown, commenti finali, troncamento, chiavi allucinate, tipi errati. Ecco i pattern collaudati — strip, extract, repair, retry — e quando usare Structured Outputs al loro posto.
Non esiste uno standard universale, ma ci sono pattern su cui ogni team converge e anti-pattern che causano veri dolori in produzione. Copre formato errori (RFC 7807), paginazione, null, date, naming dei campi e versionamento con esempi reali.