在Python中解析无效的Unicode JSON

我发现一个有问题的json字符串包含一些时髦的unicode字符

"test":{"foo":"Ig0s\x5C/k\x5C/4jRk"}}

如果我使用python进行转换

import json
s = r'{"test":{"foo":"Ig0s\x5C/k\x5C/4jRk"}}'
json.loads(s) 
# Error..

---

如果我可以接受跳过/丢失这些unicode字符的值，那么让我的

json.loads

工作的最佳方法是什么？

您没有json；这可以直接解释为Python。使用：

\x5C

是一个反斜杠，在这里是Python文本字符串表示形式的两倍。实际字符串值为：

>>> print _['test']['foo']
Ig0s\/k\/4jRk

这将输入解析为Python源代码，但只允许文本值；字符串、

None

、

True

、

False

、数字和容器（列表、元组、字典）

此方法比

json.loads（）

慢，因为它在纯Python代码中执行部分解析树处理

另一种方法是使用正则表达式将

\xhh

转义代码替换为JSON

\uhhh

代码：

import re

escape_sequence = re.compile(r'\\x([a-fA-F0-9]{2})')

def repair(string):
    return escape_sequence.sub(r'\\u00\1', string)

演示：

---

如果您可以修复产生此值的源代码以输出实际的JSON，那么这将是一个更好的解决方案。

如果字符串中除了无效的

\x5c

之外的其余部分是JSON，那么您可以使用

字符串转义

编码将“'\x5c”解码为反斜杠：

>>> import json
>>> s = r'{"test":{"foo":"Ig0s\x5C/k\x5C/4jRk"}}'
>>> json.loads(s.decode('string-escape')) 
{u'test': {u'foo': u'Ig0s/k/4jRk'}}

---

看来你少了一些斜线。当我添加斜杠时，效果很好<代码>在[11]：s=r'{“test”：{“foo”：“Ig0s\\x5C/k\\x5C/4jRk”}在[12]：json.loads（s）Out[12]：{u'test'：{u'foo'：u'Ig0s\\x5C/k\\x5C/4jRk'}@shiplu.mokadd.im：是的，当然，然后你刚刚逃脱了逃逸。但这不是重点，不是吗。

ast.literal\u eval（）

可能在JSON文本上失败，例如

true

，

false

，

null

。如果用偶数个反斜杠转义

x..

，则正则表达式可能失败。你可以

>>> import json
>>> json.loads(repair(s))
{u'test': {u'foo': u'Ig0s\\/k\\/4jRk'}}

>>> import json
>>> s = r'{"test":{"foo":"Ig0s\x5C/k\x5C/4jRk"}}'
>>> json.loads(s.decode('string-escape')) 
{u'test': {u'foo': u'Ig0s/k/4jRk'}}