无法用python解析简单的json

Question

我有一个非常简单的 json，我无法用 simplejson 模块解析。 复制：

import simplejson as json
json.loads(r'{"translatedatt1":"Vari\351es"}')

结果：

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/pymodules/python2.5/simplejson/__init__.py", line 307, in loads
    return _default_decoder.decode(s)
  File "/usr/lib/pymodules/python2.5/simplejson/decoder.py", line 335, in decode
    obj, end = self.raw_decode(s, idx=_w(s, 0).end())
  File "/usr/lib/pymodules/python2.5/simplejson/decoder.py", line 351, in raw_decode
    obj, end = self.scan_once(s, idx)
ValueError: Invalid \escape: line 1 column 23 (char 23)

有人知道出了什么问题以及如何正确解析上面的 json 吗？

在那里编码的字符串是：Variées

附：我使用 python 2.5

非常感谢！

Answer 1

那是完全正确的； Vari\351es 包含无效转义，JSON 标准不允许 \ 后跟数字。

应该修复生成该代码的任何内容。如果这是不可能的，您需要使用正则表达式来删除这些转义，或者用有效的转义替换它们。

如果我们将351 数字解释为八进制数字，那将指向 unicode 代码点 U+00E9，é 字符（带有锐音的拉丁小写字母 E）。您可以使用以下方法“修复”您的 JSON 输入：

import re

invalid_escape = re.compile(r'\\[0-7]{1,6}')  # up to 6 digits for codepoints up to FFFF

def replace_with_codepoint(match):
    return unichr(int(match.group(0)[1:], 8))


def repair(brokenjson):
    return invalid_escape.sub(replace_with_codepoint, brokenjson)

使用repair() 可以加载您的示例：

>>> json.loads(repair(r'{"translatedatt1":"Vari\351es"}'))
{u'translatedatt1': u'Vari\xe9es'}

您可能需要调整代码点的解释；我选择八进制（因为Variées 是一个实际单词），但您需要使用其他代码点进行更多测试。

Answer 2

您可能不打算使用原始字符串，而是使用 unicode 字符串？

>>> import simplejson as json
>>> json.loads(u'{"translatedatt1":"Vari\351es"}')
{u'translatedatt1': u'Vari\xe9es'}

如果要引用 JSON 字符串中的数据需要使用\uNNNN:

>>> json.loads(r'{"translatedatt1":"Vari\u351es"}')
{'translatedatt1': u'Vari\u351es'}

请注意，在这种情况下，生成的 dict 会略有不同。解析 unicode 字符串时，simplejson 使用 unicode strings 作为键。否则它使用byte string 键。

如果您的 JSON 数据确实使用了 \351e，那么它就会被破坏并且没有有效的 JSON。