Question

从网站导入JSON数据集时出现此错误。

JSONDecodeError：预期值：第1行第2列（字符1）

我正在协同工作，想导入讽刺数据集，但是由于我不知道JSON，所以我陷入了困境。我尝试了不同位置的slash（）字符，还更改了-o参数，但没有正常工作...我的代码[reprex]：=====>

!wget --no-check-certificate \ https://storage.googleapis.com/laurencemoroney-blog.appspot.com/sarcasm.json -o /tmp/sarcasm.json

import json
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.preprocessing.text import Tokenizer
from tensorflow.keras.preprocessing.sequence import pad_sequences

#importing the Sarcasm dataset from !wget --no-check-certificate \ https://storage.googleapis.com/laurencemoroney-blog.appspot.com/sarcasm.json \ 
#-o /tmp/sarcasm.json

with open("/tmp/sarcasm.json", 'r') as f:
  datastore = json.load(f)
  datastore = json.detect_encoding()
  print (datastore)
sentences = []
labels = []
urls = []

我认为问题可能在于数据是以HTML格式导入的，必须以JSON格式（或与其兼容的某种格式）进行转换。任何帮助，将不胜感激！：）

Answer 1

我怀疑您正在将事务日志（而不是文档本身）保存到/tmp/sarcasm.json。

改为尝试--output-document=sarcasm.json

wget --no-check-certificate "https://storage.googleapis.com/laurencemoroney-blog.appspot.com/sarcasm.json" --output-document=sarcasm.json

Answer 2

无需检测编码，json库会处理

删除下面的行，然后尝试

  chrome_options = Options()
  chrome_options.add_argument('--headless')
  chrome_options.add_argument('--no-sandbox')
  chrome_options.add_argument('--disable-dev-shm-usage')
  chrome_options.add_argument("--allow-no-sandbox-job")
  chrome_options.add_argument("--disable-gpu")
  chrome_options.add_argument("--disable-notifications")
  chrome_options.add_argument("--disable-popup-blocking")
  chrome_options.add_argument("--disable-infobars")
  chrome_options.add_argument('--hide-scrollbars')
  chrome_options.add_argument("--disable-extensions")

Answer 3

尝试使用-O代替-o

!wget --no-check-certificate \
    https://storage.googleapis.com/laurencemoroney-blog.appspot.com/sarcasm.json -O /tmp/sarcasm.json

JSONDecodeError：预期值：第1行第2列（字符1）

3 个答案: