Question

代码：

loaded_json = json.loads(json_set)

json_set是从网页收集的字符串，它是JSON格式的数据。完整字符串（警告：LONG）位于：http://pastebin.com/wykwNEeg

它给我的错误（如果我将字符串保存到自己的文件中，并且readlines + json.loads IDLE中的那行）：

    Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/python3.4/json/__init__.py", line 318, in loads
    return _default_decoder.decode(s)
  File "/usr/lib/python3.4/json/decoder.py", line 343, in decode
    obj, end = self.raw_decode(s, idx=_w(s, 0).end())
  File "/usr/lib/python3.4/json/decoder.py", line 361, in raw_decode
    raise ValueError(errmsg("Expecting value", s, err.value)) from None
ValueError: Expecting value: line 1 column 62233 (char 62232)

","distance":\u002d1,"lo
            ^(gedit tells me column 62233 lies between the colon and the \

我猜它与unicode有关，这个特殊的是-的unicode，所以这个值应该是"distance":-1

奇怪的是，如果我在遇到异常时（或者我猜哪里）打印出来的话，就会出现如上所述。但是，如果我打开python3 IDLE会话并执行此操作，我会得到不同的结果：

>>> mystr = '"distance":\u002d1'
>>> mystr
'"distance":-1'
>>> print(mystr)
"distance":-1
>>>

如何正确加载此JSON？

===============

此数据来自早期的代码（基本上显示该字符串是response.decode('utf8')的结果）：

'''This bit gets the page from the website, it's called from the below code block'''
def load_arbitrary_page(self, url):
    response = self.opener.open(url)
    response_list = response.readlines()
    decode_list = []
    for line in response_list:
        decode = line.decode('utf8')
        decode_list.append(decode)  

    print(BeautifulSoup(''.join(decode_list)).find("title"))

    return decode_list

    html = grabber.load_arbitrary_page(url)
    count+=1
    for line in html:
        #Appears to show up 3 times, all in the same line
        if "<my search parameter>" in line:
            content_list.append(line)
            break

最后，content_list在评论（re.split("<!-- ...）上分开，最后一部分变为变量json_set。

Answer 1

如果您查看ECMA-404 standard for JSON，您会看到数字可能有一个可选的前导减号，它们指定为U+002D，这是ASCII减号。但是，\u002D不是减号。它是减号的字符转义符，但字符转义符仅在字符串值的上下文中有效。但字符串值必须以双引号开头和结尾，因此这不是字符串值。因此，您拥有的数据不会解析为有效的JSON值，并且Python JSON解析器在拒绝它时是正确的。

如果您尝试使用http://jsonlint.com/网站验证该数据blob，它还会报告该数据无效JSON。

Parse error on line 2172:
...        "distance": \u002d1,           
-----------------------^
Expecting 'STRING', 'NUMBER', 'NULL', 'TRUE', 'FALSE', '{', '['

您使用IDLE工作的示例并不是一个相同的比较，因为您提供的字符串不同：

'"distance":\u002d1' != '"distance":\\u002d1'

左边的字符串是你给IDLE的字符串，如果你把它括在花括号中，它就是有效的JSON：

>>> json.loads('{"distance":\u002d1}')
{'distance': -1}

但是如果你给它右边的字符串，你会发现它不会像你期望的那样工作：

>>> json.loads('{"distance":\\u002d1}')
Traceback (most recent call last):
  File "/usr/lib/python3.2/json/decoder.py", line 367, in raw_decode
    obj, end = self.scan_once(s, idx)
StopIteration

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/python3.2/json/__init__.py", line 309, in loads
    return _default_decoder.decode(s)
  File "/usr/lib/python3.2/json/decoder.py", line 351, in decode
    obj, end = self.raw_decode(s, idx=_w(s, 0).end())
  File "/usr/lib/python3.2/json/decoder.py", line 369, in raw_decode
    raise ValueError("No JSON object could be decoded")
ValueError: No JSON object could be decoded

json.loads（）给出了它期望值的异常，看起来就像值一样

1 个答案: