处理JSON中的误用字符

Question

我正在将一个JSON文件读入Python，其中包含转义单引号（\'）。这会导致各种各样的打嗝，正如我们所讨论的here。然而，我找不到任何关于如何解决这个问题的东西。我刚做了一个

newstring=originalstring.replace(r"\'", "'")

一切都解决了。但这看起来很难看。在json docs中，我真的找不到很多关于如何处理这种事情（创建异常或其他事情）的材料。在

• 对于这样的问题，有没有一个好的、干净的程序？在

很遗憾，回到源头是不可能的。在

谢谢你的帮助！在

Answer 1

JSON standard定义了一组特定的valid 2-character escape sequences:\\，\/，\"，\b，\r，\n，\f和{}，以及一个4个字符的转义序列来定义任何Unicode代码点，\uhhhh（\u加4个十六进制数字）。反斜杠和其他字符的任何其他序列都是无效的JSON。在

如果您有一个JSON源代码，否则您无法修复，唯一的办法就是删除无效序列，就像您对str.replace()所做的那样，即使它有点脆弱（当引号前面有一个偶数的反斜杠序列时，它将中断）。在

您也可以使用正则表达式，删除有效序列中未使用的任何反斜杠：

fixed = re.sub(r'(?<!\\)\\(?!["\\/bfnrt]|u[0-9a-fA-F]{4})', r'', inputstring)

这不会捕获奇数反斜杠序列，如\\\，但会捕获其他任何内容：

^{pr2}$

Answer 2

解决办法不错。它看起来很难看，因为问题是丑陋的-你有损坏的数据。它当然简单，优雅，有效。只有当子字符串\\'（这是三个字符，我没有转义任何内容）出现在任何地方，并且只有在连续斜杠的数量为偶数时，它才会失败。所以你的选择是：

1. 只需执行当前的操作，但首先检查if r"\\'" in originalstring，如果是，则抛出一个错误。简单，安全，也许可以。在
2. 对(\\\\)+或其他内容使用带否定lookbehind的regex。在
3. 捕获错误并使用错误的属性来决定要替换的字符串的一部分。在

查看以下片段：

import json
from json.decoder import JSONDecodeError

s = r'"\'"'
print(s)
try:
    print(json.loads(s))
except JSONDecodeError as e:
    print(vars(e))

输出：

^{pr2}$

Answer 3

正确的做法是修复创建无效JSON文件的任何内容。但如果不可能的话，我想需要更换。但是您应该使用正则表达式，这样它就不会将\\'替换为\'。在这种情况下，第一个反斜杠是转义第二个反斜杠，而不是转义引号。消极的观察会阻止这种情况的发生。在

import re
newstring = re.sub(r"(?<!\\)\\'", "'", originalstring)