无法使用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.再生产:

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)

任何人都知道什么是错的,以及如何正确解析上面的json？

在那里编码的字符串是:Variées

PS我使用python 2.5

非常感谢!

Answer 1

那是完全正确的; Vari\351es包含无效的转义,JSON标准不允许\后跟只是数字.

无论生成什么代码都应该修复.如果这是不可能的,您将需要使用正则表达式来删除这些转义,或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,那将指向unicode代码点U + 00E9,即é字符(LATIN SMALL LETTER E WITH ACUTE).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()您的示例可以加载:

>>> 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(因为它Variées是一个实际的单词),但您需要使用其他代码点对此进行更多测试.