Golang解码/解组JSON中的无效unicode

Question

我在 go 中获取格式不统一的 JSON 文件。 例如，我可以有以下内容：

{"email": "\"blah.blah@blah.com\""}
{"email": "robert@gmail.com"}
{"name": "m\303\203ead"}

我们可以看到转义字符会有问题。 使用json.Decode：

与：

{"name": "m\303\203ead"}

我收到错误：invalid character '3' in string escape code

我尝试了几种方法来规范化我的数据，例如传递一个字符串数组（它可以工作，但有太多边缘情况），甚至过滤转义字符。

最后，我通过了这篇文章：（http://blog.golang.org/normalization） 他们提出的解决方案似乎很有趣。

我已经尝试了以下

isMn := func(r rune) bool {
    return unicode.Is(unicode.Mn, r)
}

t := transform.Chain(norm.NFC, transform.RemoveFunc(isMn), norm.NFD)

fileReader, err := bucket.GetReader(filename)

transformReader := transform.NewReader(fileReader, t)

decoder := json.NewDecoder(tReader)

for {
    var dataModel Model
    if err := decoder.Decode(&kmData); err == io.EOF {
        break
    } else {
      // DO SOMETHING
    }
}

Model 是：

type Model struct {
    Name  string `json:"name" bson:"name"`
    Email string `json:"email" bson:"email"` 
}

我已经尝试了它的几种变体，但无法让它工作。

所以我的问题是如何轻松处理解码/解组具有不同编码的 JSON 数据？知道我无法控制这些 JSON 文件。

如果您正在阅读本文，无论如何，谢谢。

Answer 1

您可以使用json.RawMessage 代替string，这样json.Decode 就不会尝试解码无效字符。

游乐场：http://play.golang.org/p/fB-38KGAO0

type Model struct {
    N  json.RawMessage `json:"name" bson:"name"`
}

func (m *Model) Name() string {
    return string(m.N)
}
func main() {
    s := "{\"name\": \"m\303\203ead\"}"
    r := strings.NewReader(s)
    d := json.NewDecoder(r)
    m := Model{}

    fmt.Println(d.Decode(&m))
    fmt.Println(m.Name())
}

编辑：嗯，你可以使用正则表达式，不确定这对你有多可行http://play.golang.org/p/VYJKTKmiYm：

func cleanUp(s string) string {
    re := regexp.MustCompile(`\b(\\\d\d\d)`)
    return re.ReplaceAllStringFunc(s, func(s string) string {
        return `\u0` + s[1:]
    })
}
func main() {
    s := "{\"name\": \"m\303\203ead\"}"
    s = cleanUp(s)
    r := strings.NewReader(s)
    d := json.NewDecoder(r)
    m := Model{}
    fmt.Println(d.Decode(&m))
    fmt.Println(m.Name())
}