如何解析看起来像 JSON 但不是的文件

Question

我正在尝试在 python 中解析一个文件 (filename.inc)，它看起来像：

a: 2: {
    s: 3: "somestuff";
    a: 14: {
        i: 601600;
        a: 6: {
            i: 559;
            a: 4: {
                s: 5: "label";
                s: 3: "somelabel";
                s: 2: "id";
                s: 3: "559";
                s: 10: "timestart";
                s: 16: "01 01 1970 00:00";
                s: 8: "timestop";
                s: 16: "24 01 2020 20:55";
            }
            i: 18158;
            a: 4: {
                s: 5: "label";
                s: 12: "someotherlabel";
                s: 2: "id";
                s: 5: "18158";
                s: 10: "timestart";
                s: 16: "01 01 1970 00:00";
                s: 8: "timestop";
                s: 16: "25 01 2020 18:55";
            }
            i: 10402;
            a: 4: {
                s: 5: "label";
                s: 3: "newlabel";
                s: 2: "id";
                s: 5: "10402";
                s: 10: "timestart";
                s: 16: "01 01 1970 00:00";
                s: 8: "timestop";
                s: 16: "26 01 2020 06:55";
            }

等等…… 我尝试使用：

import json

with open('filename.inc') as json_file:
    data = json.load(json_file)

但得到： ValueError：无法解码任何 JSON 对象

我尝试删除第一个冒号，添加引号，用逗号替换分号：

"a2": {
    "s3": "somestuff",
    "a14": {
        "i": 601600,
        "a6": {
            "i": 559,
            "a4": {
                "s5": "label",
                "s3": "somelabel",
                "s2": "id",
                "s3": "559",
                "s10": "timestart",
                "s16": "01 01 1970 00:00",
                "s8": "timestop",
                "s16": "24 01 2020 20:55",
            }
            "i": 18158,
            "a4": {
                "s5": "label",
                "s12": "someotherlabel",
                "s2": "id",
                "s5": "18158",
                "s10": "timestart",
                "s16": "01 01 1970 00:00",
                "s8": "timestop",
                "s16": "25 01 2020 18:55",
            }
            "i": 10402,
            "a4": {
                "s5": "label",
                "s3": "newlabel",
                "s2": "id",
                "s5": "10402",
                "s10": "timestart",
                "s16": "01 01 1970 00:00",
                "s8": "timestop",
                "s16": "26 01 2020 06:55",
            }

但这给了我多个具有相同 ID 的键... 想把它变成一个带有标签的html文件，用beautifulsoup解析，但这样的文件似乎太复杂了。 如有任何提示，我将不胜感激，在此先感谢。

Answer 1

我检查过，空格会伤害 PHP 的原生 serialize 以及 Python phpserialize。您执行的“清理”无论如何都会使其成为无效转储（例如s: 3: "somestuff" 是非法的，它编码 3 个字符的字符串“somestuff”，其中“somestuff”显然不是 3 个字符长），所以我必须构造我自己的例子：

source = """
a: 2: {
    i: 0;
    s: 3: "foo";
    i: 1;
    s: 4: "quux";
};
"""

import re
import phpserialize     # requires: pip install phpserialize

cleanup_re = re.compile('(".*?")|\s+')
clean_source = cleanup_re.sub(lambda m: m.group(0) if m.group(1) else "", source)
data = phpserialize.loads(bytes(clean_source, 'utf8'))

这只有在字符串中没有双引号时才有效；如果不编写适当的解析器，我想不出办法。