Python 恢复Json中结构错误的数据库行

我必须用python恢复一个数据库，我有很多行是用糟糕的json写的

下面是我的json数据库示例：

{ 
  "name":"Nazamiu0304 Rau0304majiu0304",
  "personal_name":"Nazamiu0304 Rau0304majiu0304",
  "last_modified":{ 
    "type":"/type/datetime",
    "value":"2008-08-20T18:00:41.270799"
  },
  "key":"/authors/OL1001461A",
  "type":{ 
    "key":"/type/author"
  },
  "revision":2
}
{ 
  "name":"Harald A. Enge",
  "personal_name":"Harald A. Enge",
  "created":{ 
    "type":"/type/datetime",
    "value":"2008-04-01T03:28:50.625462"
  },
  "alternate_names":[ 
    "Harald A Enge"
  ],
  "last_modified":{ 
    "type":"/type/datetime",
    "value":"2013-02-25T09:47:06.574533"
  },
  "latest_revision":3,
  "key":"/authors/OL1001542A",
  "type":{ 
    "key":"/type/author"
  },
  "revision":3
}

正如您所看到的，它不是真正的json，所以在python中，我对所有行进行了恢复，就像它是json一样，这要感谢解析方法和批处理代码

但问题是，我的名字、人名、姓氏修饰词的结构并不总是相同的。。。。 有时我还有其他信息，比如死亡日期，生物。。。 我可以恢复所有的数据库，除非信息“bio”在这里

我向你展示：

{ 
  "bio":{ 
    "type":"/type/text",
    "value":"> "Eversley, William Pinder, B.C.L. Queen's Coll., Oxon, M.A., a member of the South-eastern circuit, reporter for Law Times in Queen's Bench division, a student of the Inner Temple 14 April, 1874 (then aged 23), called to the bar 25 April, 1877 (eldest son of William Eversley, Esq., of London); born u2060, 1851. rn> rn> 7, King's Bench Walk, Temple, E.C." rn> ...[in Foster's Men at the Bar][1]rnrnrn rnrn[1]: https://en.wikisource.org/wiki/Men-at-the-Bar/Eversley,_William_Pinder "Men at the Bar""
  },
  "name":"William Pinder Eversley",
  "created":{ 
    "type":"/type/datetime",
    "value":"2008-04-01T03:28:50.625462"
  },
  "death_date":"1918",
  "photos":[ 
    6897255,
    6897254
  ],
  "last_modified":{ 
    "type":"/type/datetime",
    "value":"2018-07-31T15:39:07.982159"
  },
  "latest_revision":6,
  "key":"/authors/OL1003081A",
  "birth_date":"1851",
  "personal_name":"William Pinder Eversley",
  "type":{ 
    "key":"/type/author"
  },
  "revision":6
}

使用python编写的代码，我无法恢复行“bio”：{……}所以我做了一个循环，循环中所有行（name_personal_name…bio除外）

我试了很多方法来恢复线路

---

首先，我尝试将'per`like'替换为Queen's per example，所以当我批量执行时，它可以工作，但我遇到了另一个值错误：您需要一些正则表达式来修复混乱的数据。例如，对于bio字段，您需要匹配“bio”名称及其值，其中包含“类型”字段和“值”字段。然后对“value”字段执行相同的操作：然后可以修复引号

以下是一种方法：

重新导入
导入json
导入pprint
bio_regex=re.compile(
r”“”
（“bio”：\s*{）#bio字段开始
（.*）#内容
（}，）#生物场结束
（？=\s*（？：“\w+”|}））#后跟另一个或json结尾
""",
flags=re.VERBOSE | re.DOTALL）
value_regex=re.compile(
r”“”
（“值”：\s*”）#值字段开始
（.*）#内容
（“\s*\Z）#值字段结束+字符串结束
""",
flags=re.VERBOSE | re.DOTALL）
def标准化_值（mo）：
开始、内容、结束=mo.group（1、2、3）
content=content.replace（“，“\\”）
返回开始+内容+结束
def正常化生物（mo）：
开始、内容、结束=mo.group（1、2、3）
content=value\u regex.sub（标准化值，内容）
返回开始+内容+结束
凌乱的_json=“”
{ 
“生物”：{
“类型”：“/类型/文本”，
“价值”：“>”埃弗斯利，威廉·平德，B.C.L.皇后学院，Oxon，M.A.，东南巡回赛成员，女王长凳区《法律时报》记者，1874年4月14日内神庙的一名学生（当时23岁），1877年4月25日获得律师资格（伦敦埃弗斯利的长子）；生于1851年2月2060日。北卡罗来纳州坦普尔国王长凳步道rn>rn>7.“rn>…[在酒吧的福斯特手下][1]rnrnrn[1]：https://en.wikisource.org/wiki/Men-at-the-Bar/Eversley“酒吧里的男人”
},
“姓名”：“威廉·平德·埃弗斯利”，
“已创建”：{
“类型”：“/type/datetime”，
“值”：“2008-04-01T03:28:50.625462”
},
“死亡日期”：“1918年”，
“照片”：[
6897255,
6897254
],
“上次修改”：{
“类型”：“/type/datetime”，
“价值”：“2018-07-31T15:39:07.982159”
},
“最新修订”：6，
“密钥”：“/authors/OL1003081A”，
“出生日期”：“1851年”，
“个人姓名”：“威廉·平德·埃弗斯利”，
“类型”：{
“键”：“/类型/作者”
},
“修订”：6
}"""
result=bio\u regex.sub（规范化\u bio、凌乱\u json）
obj=json.loads（结果）

结果如下：

{'bio': {'type': '/type/text',
         'value': '> "Eversley, William Pinder, B.C.L. Queen\'s Coll., Oxon, M.A., a member of the '
                  "South-eastern circuit, reporter for Law Times in Queen's Bench division, a student of "
                  'the Inner Temple 14 April, 1874 (then aged 23), called to the bar 25 April, 1877 (eldest '
                  "son of William Eversley, Esq., of London); born u2060, 1851. rn> rn> 7, King's Bench "
                  'Walk, Temple, E.C." rn> ...[in Foster\'s Men at the Bar][1]rnrnrn rnrn[1]: '
                  'https://en.wikisource.org/wiki/Men-at-the-Bar/Eversley,_William_Pinder "Men at the Bar"'},
 'birth_date': '1851',
 'created': {'type': '/type/datetime', 'value': '2008-04-01T03:28:50.625462'},
 'death_date': '1918',
 'key': '/authors/OL1003081A',
 'last_modified': {'type': '/type/datetime', 'value': '2018-07-31T15:39:07.982159'},
 'latest_revision': 6,
 'name': 'William Pinder Eversley',
 'personal_name': 'William Pinder Eversley',
 'photos': [6897255, 6897254],
 'revision': 6,
 'type': {'key': '/type/author'}}

---

您可以使用它来修复程序。

json记录之间缺少逗号。包含引号的字符串不会转义。请重新格式化您的Python代码，删除无用的行（注释…）。非常感谢您，伙计，我今晚尝试了它，我将在明天向您展示我的结果！！你好我从上次开始做了一些事情，我又回到了bio的问题上，我编辑了其他事情，但现在我需要回到这个问题上，所以我可以再次问你一些关于我在bio上的新问题吗？请发布一个新问题，以便更好地了解。我把它放在这个帖子上，这是一个问题吗？这是我的新职位