如何从 json 文件中删除某些注释？ (/*)

Question

我有大约 500 个带有 cmets 的 json 文件。尝试使用新值更新 json 文件中的字段会引发错误。我设法使用commentjson来删除这样的字符串//一些文本和json文件更新并且没有抛出错误。

但是有大约 100 个带有 cmets 的 json 文件，如下所示：

  /*

   1. sometext.
        i. sometext
        ii. sometext 
   2. sometext

  */

Commentjson 只是在 /* 存在时崩溃。如果我删除 /* 并运行代码，它将工作并更新并删除任何 //。 如何编写一些代码来管理 /* 和 /* */ 之间的所有文本？

这是我当前可以删除的代码 //

with open(f"{i['Location']}\\{file_name}",'r') as f:
    json_info = commentjson.load(f) #Gets info from the json file
    json_info['password'] = password

    with open(f"{i['location_Daily']}\\{file_name}",'w') as f:
        commentjson.dump(json_info,f,indent = 4) #updates the password   
        print("updated")

Answer 1

您可以使用其他库，例如 json5 或 pyjson5 或任何支持 JSON5 的库

import json5
import pyjson5

data = '''
{
    "something": [
        ["any"],
        ["thing", "here", 10]    // This is comment 1
    ],
    /* While this
    is
    comment 2 */
    "car": [
        ["and", "another", "here"], /* Last comment */
    ]
}
'''

print(json5.loads(data))
print(pyjson5.loads(data))

输出

$ python3 script.py 
{'something': [['any'], ['thing', 'here', 10]], 'car': [['and', 'another', 'here']]}
{'something': [['any'], ['thing', 'here', 10]], 'car': [['and', 'another', 'here']]}

Answer 2

你有几个选择：

• 将整个文件读入字符串，然后使用正则表达式对文本进行预处理。例如：

  with open(...) as f:
      json_text = f.read()
  # remove everything from '/*' to '*/' as long as it is either
  # - a '*' character that is *not* followed by '/'
  # - any character that is not '*'
  without_comments = re.sub(r"/\*(?:\*(?!/)|[^*])*\*/", "", json_text)
  json_info = commentjson.loads(without_comments)
  

  请注意，如果其中还有带有 /* 和 */ 的 JSON 字符串，则此方法将不起作用。正则表达式不是 JSON 解析器。

• 尝试更新 commonjson 项目用来解析 JSON 的解析器。查看the project source code，他们使用Lark parsing library，所以你可以用额外的语法修改模块。

  我注意到主分支已经有一个定义多行 cmets 的语法规则：

  COMMENT: "/*" /(.|\\n)+?/ "*/"
         | /(#|\\/\\/)[^\\n]*/
  

  但这还不是他们发布的一部分。但是，您可以重复使用该规则：

  from commentjson import commentjson as implementation
  from lark.reconstruct import Reconstructor
  
  serialized = implementation.parser.serialize()
  for tok in serialized["parser"]["lexer_conf"]["tokens"]:
      if tok["name"] != "COMMENT":
          continue
      if tok["pattern"]["value"].startswith("(#|"):
          # only supports `#` or `//` comments, add block comments
          tok["pattern"]["value"] = r'(?:/\*(?:\*(?!/)|[^*])*\*/|(#|\/\/)[^\n]*)'
      break
  
  implementation.parser = implementation.parser.deserialize(serialized, None, None)
  

  我在该语法更新中使用了自己的正则表达式，而不是项目使用的版本。

• 找到一个不同的库来解析输入。有几个选项声称支持使用相同语法解析 JSON：

  • jstyleson
  • pyjson5
  • jsoncomment

  我没有尝试过任何这些，也没有任何关于它们的可用性或性能的说法。