无法解析 JSON 文件中的 TAB

Question

我在加载似乎包含 TAB 字符的 JSON 文件时遇到了解析问题。

当我转到http://jsonlint.com/，并输入带有TAB字符的部分时：

{
    "My_String": "Foo bar.  Bar foo."
}

验证器抱怨：

Parse error on line 2:
{    "My_String": "Foo bar. Bar foo."
------------------^
Expecting 'STRING', 'NUMBER', 'NULL', 'TRUE', 'FALSE', '{', '['

这实际上是有问题的 JSON 文本的复制/粘贴。

我尝试使用json 和simplejson 加载此文件，但没有成功。我怎样才能正确加载它？我应该只预处理文件并将 TAB 替换为\t 还是空格？还是我在这里遗漏了什么？

更新：

这里也是simplejson中的一个有问题的例子：

foo = '{"My_string": "Foo bar.\t Bar foo."}'
simplejson.loads(foo)

JSONDecodeError: Invalid control character '\t' at: line 1 column 24 (char 23)

Answer 1

来自JSON standard：

在任何标记之前或之后都允许有无关紧要的空格。这 空白字符是：字符列表 (U+0009)、换行 (U+000A)、回车 (U+000D) 和空格 (U+0020)。空格是 不允许在任何令牌中，除非允许空间 字符串。

这意味着在 JSON 字符串中不允许使用文字制表符。您需要将其转义为 \t (in a .json-file):

{"My_string": "Foo bar.\t Bar foo."}

此外，如果在 Python 字符串文字中提供了 json 文本，那么您需要对制表符进行双重转义：

foo = '{"My_string": "Foo bar.\\t Bar foo."}' # in a Python source

或者使用 Python 原始字符串文字：

foo = r'{"My_string": "Foo bar.\t Bar foo."}' # in a Python source

Answer 2

制表符在值之外作为分隔空格是合法的，但在字符串内则不是。请改用\t。

编辑：根据您的 cmets，我看到一些关于标签实际上是什么的困惑.. 制表符只是一个普通字符，如“a”或“5”或“。”或您通过按键盘上的键输入的任何其他字符。它占用一个字节，其数值为 9。不涉及反斜杠或小写 't。

标签与“a”、“5”或“.”不同的类别是什么？事实上，作为一个使用眼球的人，您通常无法查看文本显示并识别或计算制表符字符。在视觉上，一系列制表符与一系列（通常较大但在视觉上仍不确定的）空格序列相同。

为了在用于计算机处理的文本中明确表示选项卡，我们有多种句法方法可以说“嘿，某个软件！稍后用制表符替换这个垃圾，好吗？” .

在编程语言的历史上，主要有两种方法；如果你回到 1950 年代，你会发现这两种方法并存，在两种最古老的高级语言中各有一种。 Lisp 已将字符文字命名为 #\Tab；一旦从程序源中读取它们，它们就会被转换。 Fortran 只有CHAR 函数，该函数在运行时调用并返回编号与参数匹配的字符：CHAR(9) 返回一个制表符。 （当然，如果它真的是 CHAR(9) 而不是 CHAR(某个表达式可以达到 9)，优化编译器可能会注意到这一点，并在编译时用选项卡替换函数调用时间，让我们回到另一个营地。）

一般来说，对于这两种解决方案类型，如果您想将特殊字符粘贴到较大的字符串中，您必须自己进行连接；例如，一个 80 年代 hack BASIC 的孩子可能会这样写：

10 PRINT "This is a tab ->"; CHR$(9); "<- That was a tab"

但有些语言——尤其是以语言 B 开头的家族——引入了将这些字符直接包含在字符串文字中的能力：

printf("This is a tab -> *t <- That was a tab");

BCPL 保留了 * 语法，但该系列中的下一个语言 C 将其替换为反斜杠，可能是因为他们需要更频繁地读写文字星号而不是文字反斜杠。

不管怎样，很多语言，包括 Python 和 Javascript，都在这里借用或继承了 C 的约定。因此，在这两种语言中，"\t" 和'\t' 这两个表达式都会产生一个单字符字符串，其中一个字符是制表符。

JSON 基于 Javascript 的语法，但它只允许它的一个受限子集。例如，字符串必须用双引号 (") 而非单引号 (') 括起来，并且其中不允许有文字制表符。

这意味着您更新中的这个 Python 字符串：

foo = '{"My_string": "Foo bar.\t Bar foo."}'

不是有效的 JSON。 Python 解释器在读取字符串后立即将\t 序列转换为实际的制表符 - 远在 JSON 处理器看到它之前。

你可以告诉 Python 在字符串中加入文字 \t 而不是制表符，方法是加倍反斜杠：

foo = '{"My_string": "Foo bar.\\t Bar foo."}'

或者您可以使用“原始”字符串语法，它根本不解释特殊的反斜杠序列：

foo = r'{"My_string": "Foo bar.\t Bar foo."}'

无论哪种方式，JSON 处理器都会看到一个包含反斜杠后跟“t”的字符串，而不是包含制表符的字符串。

Answer 3

您可以通过对 JSON 文件进行转义来将制表符 包含在 值中（而不是空格）。这是 Python2.7 中 json 模块的一个工作示例：

>>> import json
>>> obj = json.loads('{"MY_STRING": "Foo\\tBar"}')
>>> obj['MY_STRING']
u'Foo\tBar'
>>> print obj['MY_STRING']
Foo    Bar

虽然不转义 '\t' 会导致错误：

>>> json.loads('{"MY_STRING": "Foo\tBar"}')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/json/__init__.py", line 338, in loads
    return _default_decoder.decode(s)
  File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/json/decoder.py", line 365, in decode
    obj, end = self.raw_decode(s, idx=_w(s, 0).end())
  File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/json/decoder.py", line 381, in raw_decode
    obj, end = self.scan_once(s, idx)
ValueError: Invalid control character at: line 1 column 19 (char 18)

Answer 4

只是为了分享我的经验：

我正在使用snakemake 和一个用Json 编写的配置文件。 json 文件中有用于缩进的制表符。为此目的，TAB 是合法的。但我收到错误消息：snakemake.exceptions.WorkflowError：配置文件不是有效的 JSON 或 YAML。我相信这是snakemake的错误；但我可能是错的。请评论。将所有 TAB 替换为空格后，错误消息就消失了。

Answer 5

在节点红色流中我面临相同类型的问题：

flow.set("delimiter",'"\t"');

错误：

{ "status": "ERROR", "result": "Cannot parse config: String: 1: in value for key 'delimiter': JSON does not allow unescaped tab in quoted strings, use a backslash escape" }  

解决方案：

我只在代码中添加了\\t。

 flow.set("delimiter",'"\\t"');