如何在Python3中将utf8文本文件转换为Json对象

Question

我是Python新手，遇到了关于Unicode文本内容和JSON字段的问题

我的目标是读取一些包含Unicode字符的文本文件，提取全部内容并将其放入JSON字段中。但是，JSON字段将包含编码（UTF-8）而不是原始Unicode字符（例如：JSON将包含\u00e8\u0107而不是èć）。如何将整个文本文件内容导入JSON字段

这是我的代码：

import json

file_1 = open('utf8_1.txt', 'r', encoding='utf-8').read()
file_2 = open('utf8_2.txt', 'r', encoding='utf-8').read()

with open("test.json", "r") as jsonFile:
    data = json.load(jsonFile)

data[0]['field_1'] = file_1
data[0]['field_2'] = file_2

with open("test.json", "w") as jsonFile:
    json.dump(data, jsonFile)

以下是两个具有Unicode字符的文件：

utf8\u 1.txt:

Kèććia
ivò

utf8_2.txt:

ććiùri
iχa

下面是test.json（注意：两个字段设置为空，需要使用文件内容更新）

[
  {
    "field_1": "",
    "field_2": ""
  }
]

下面是我从运行上述代码中得到的test.json：

[
  {
    "field_1": "K\u00e8\u0107\u0107ia\niv\u00f2",
    "field_2": "\u0107\u0107i\u00f9ri\ni\u03c7a"
  }
]

但是我对test.json的预期输出如下所示：

[
  {
    "field_1": "Kèććia ivò",
    "field_2": "ććiùri iχa"
  }
]

我的目标是将utf8_1.txt中的任何内容放入字段_1中，并将utf8_2.txt中的任何内容放入test.json中的字段_2。最好是字符串值。我已经坚持了很长时间了<我真的很感谢你的帮助

Answer 1

您得到的是有效的UTF-8 JSON。它只是使用非ASCII字符的转义码编写为纯ASCII，作为UTF-8的子集，它也是有效的UTF-8。用json.load读回它，它将是原始字符串。如果要在写入文件时将实际Unicode字符编码为UTF-8而不是转义码，请使用json.dump和ensure_ascii=False参数，并确保使用encoding='utf8'打开文件：

with open("test.json", "w", encoding='utf8') as jsonFile:
    json.dump(data, jsonFile, ensure_ascii=False)

这是在documentation中：

json.dump(obj, fp, *, skipkeys=False, ensure_ascii=True, check_circular=True, allow_nan=True, cls=None, indent=None, separators=None, default=None, sort_keys=False, **kw)
...
If ensure_ascii is true (the default), the output is guaranteed to have all incoming non-ASCII characters escaped. If ensure_ascii is false, these characters will be output as-is.