如何自动修复无效的JSON字符串？
从2gis API中，我得到了以下JSON字符串。
{
"api_version": "1.3",
"response_code": "200",
"id": "3237490513229753",
"lon": "38.969916127827",
"lat": "45.069889625267",
"page_url": null,
"name": "ATB",
"firm_group": {
"id": "3237499103085728",
"count": "1"
},
"city_name": "Krasnodar",
"city_id": "3237585002430511",
"address": "Turgeneva, 172/1",
"create_time": "2008-07-22 10:02:04 07",
"modification_time": "2013-08-09 20:04:36 07",
"see_also": [
{
"id": "3237491513434577",
"lon": 38.973110606808,
"lat": 45.029031222211,
"name": "Advance",
"hash": "5698hn745A8IJ1H86177uvgn94521J3464he26763737242Cf6e654G62J0I7878e",
"ads": {
"sponsored_article": {
"title": "Center "ADVANCE"",
"text": "Business.English."
},
"warning": null
}
}
]
}
但是Python不承认它：
json.loads(firm_str)
期望，定界符：第1行3646（char 3645）
它看起来像引用中的问题：“title”：“Center”ADVANCE“”
我如何在Python中自动修复它？
@Michael的回答给了我一个想法...不是一个非常漂亮的想法，但它似乎工作，至少在你的例子：尝试解析JSON字符串，如果失败，寻找失败的字符异常字符串并替换该字符。
while True:
try:
result = json.loads(s) # try to parse...
break # parsing worked -> exit loop
except Exception as e:
# "Expecting , delimiter: line 34 column 54 (char 1158)"
# position of unexpected character after '"'
unexp = int(re.findall(r'(char (d+))', str(e))[0])
# position of unescaped '"' before that
unesc = s.rfind(r'"', 0, unexp)
s = s[:unesc] + r'"' + s[unesc+1:]
# position of correspondig closing '"' (+2 for inserted '')
closg = s.find(r'"', unesc + 2)
s = s[:closg] + r'"' + s[closg+1:]
print result
您可能需要添加一些额外的检查，以防止这种情况在无限循环中结束（例如，最多与字符串中的字符一样多的重复）。 而且，如果@gnibbler指出错误的"实际上后面跟着一个逗号，这仍然不起作用。
更新：现在看起来工作得很好（虽然仍然不完美），即使非转义的"后面跟着逗号或右括号，因为在这种情况下，它可能会在此之后得到关于语法错误的投诉（预期属性名称等）并追溯到最后" 。 它也会自动转义相应的结尾" （假设有一个）。
如果这正是API返回的内容，那么他们的API存在问题。 这是无效的JSON。 特别是在这个领域：
"ads": {
"sponsored_article": {
"title": "Образовательный центр "ADVANCE"", <-- here
"text": "Бизнес.Риторика.Английский язык.Подготовка к школе.Подготовка к ЕГЭ."
},
"warning": null
}
ADVANCE周围的双引号不会被转义。 你可以通过使用像http://jsonlint.com/来验证它。
这是一个问题， "没有被转义，如果这是你所得到的，数据在源头上是不好的，他们需要修复它。
Parse error on line 4:
...азовательный центр "ADVANCE"",
-----------------------^
Expecting '}', ':', ',', ']'
这解决了这个问题：
"title": "Образовательный центр "ADVANCE"",
唯一真正的和确定的解决方案是2gis修复他们的API。
与此同时，可以修复字符串内严重编码的JSON转义双引号。 如果每个键值对都跟着一个换行符（因为它似乎来自发布的数据），下面的函数将完成这项工作：
def fixjson(badjson):
s = badjson
idx = 0
while True:
try:
start = s.index( '": "', idx) + 4
end1 = s.index( '",n',idx)
end2 = s.index( '"n', idx)
if end1 < end2:
end = end1
else:
end = end2
content = s[start:end]
content = content.replace('"', '"')
s = s[:start] + content + s[end:]
idx = start + len(content) + 6
except:
return s
请注意一些暗示：
该函数试图在属于键值对的值字符串中转义双引号字符。
假定要在该序列之后开始转义的文本
": "
并在序列之前结束
",n
要么
"n
将发布的JSON传递给该函数会导致返回的值
{
"api_version": "1.3",
"response_code": "200",
"id": "3237490513229753",
"lon": "38.969916127827",
"lat": "45.069889625267",
"page_url": null,
"name": "ATB",
"firm_group": {
"id": "3237499103085728",
"count": "1"
},
"city_name": "Krasnodar",
"city_id": "3237585002430511",
"address": "Turgeneva, 172/1",
"create_time": "2008-07-22 10:02:04 07",
"modification_time": "2013-08-09 20:04:36 07",
"see_also": [
{
"id": "3237491513434577",
"lon": 38.973110606808,
"lat": 45.029031222211,
"name": "Advance",
"hash": "5698hn745A8IJ1H86177uvgn94521J3464he26763737242Cf6e654G62J0I7878e",
"ads": {
"sponsored_article": {
"title": "Center "ADVANCE"",
"text": "Business.English."
},
"warning": null
}
}
]
}
请记住，如果您的需求未得到充分满足，您可以轻松定制该功能。
链接地址: http://www.djcxy.com/p/48675.html上一篇: How do I automatically fix an invalid JSON string?
下一篇: TypeError: write() argument must be str, not bytes (Python 3 vs Python 2 )