如何正确解析带有 Unicode 转义序列的 JSON？答案

【问题标题】：How to correctly parse JSON with Unicode escape sequences?如何正确解析带有 Unicode 转义序列的 JSON？
【发布时间】：2021-08-31 15:39:07
【问题描述】：

playground

use serde_json::json; // 1.0.66
use std::str;

fn main() {
    let input = "{\"a\": \"b\\u001fc\"}";
    let bytes = input.as_bytes();
    let json: serde_json::Value = serde_json::from_slice(bytes).unwrap();
    for (_k, v) in json.as_object().unwrap() {
        let vec = serde_json::to_vec(v).unwrap();
        let utf8_str = str::from_utf8(&vec).unwrap();
        println!("value: {}", v);
        println!("utf8_str: {}", utf8_str);
        println!("bytes: {:?}", vec);
    }
}

对象键"a"的值如何转化为如下字符串？

b\u{1f}c

我尝试过使用serde_json 和str::from_utf8，但结果总是得到"b\u001fc"。转义字符序列未正确解释。如何解决？

【问题讨论】：

标签： rust unicode escaping serde-json

【解决方案1】：

问题出在这一行：

let vec = serde_json::to_vec(v).unwrap();

来自to_vec() 上的serde_json 文档：

将给定的数据结构序列化为 JSON 字节向量。

您正在从 JSON 反序列化，获取对象的值，将它们序列化回 JSON 并打印出来。你不想序列化回 JSON，你想打印“原始”字符串，所以像这样的东西可以满足你的需求：

fn main() {
    let input = "{\"a\": \"b\\u001fc\"}";
    let bytes = input.as_bytes();
    let json: serde_json::Value = serde_json::from_slice(bytes).unwrap();
    for (_k, v) in json.as_object().unwrap() {
        let string = v.as_str().unwrap();
        println!("bytes: {:?}", string);
    }
}

Playground

【讨论】：

非常感谢。

【解决方案2】：

我认为事情比你想象的更接近工作。您的问题不在于转义序列没有被正确解释，而是serde_json::to_vec(v) 本质上将v（即serde_json::value::Value::String）重新编码为 JSON 编码 字节的向量.这意味着它会拾取周围的引号字符（字节 34）并将转义序列转换为文字 ['\\', 'u', ...]——因为这就是它在 JSON 中的样子。

如果要取出字符串值，可以这样做：

for (_k, v) in json.as_object().unwrap() {
    if let serde_json::value::Value::String(s) = v {
        println!("{:?}", s);
    }
}

这将打印 "b\u{1f}c"，即您想要的 Rust 字符串。

【讨论】：