python - json.loads() 给出异常，它期望一个值，看起来值在那里

Question

代码:

loaded_json = json.loads(json_set)

json_set是从 JSON 格式数据的网页中收集的字符串。完整的字符串(警告:长)在这里:http://pastebin.com/wykwNEeg

它给我的错误(如果我将字符串保存到它自己的文件中并且 readlines + json.loads 在 IDLE 中的那一行)是:

    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 , 因此该值应为 "distance":-1

奇怪的是，如果我在遇到异常(或者我猜是在任何地方)时打印出该行，它就会像上面那样出现。但是，如果我打开一个 python3 IDLE session 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
>>>  

如何让这个 JSON 正确加载？

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

此数据较早来自看起来像这样的代码(基本上表明该字符串是 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在注释 ( re.split("<!-- ... ) 上拆分，最后一部分成为变量 json_set .

Answer 1

如果您查看 ECMA-404 standard for JSON , 你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，但字符转义仅在字符串值的上下文中有效。但是字符串值必须以双引号开头和结尾，所以这不是字符串值。因此，您拥有的数据不会解析为有效的 JSON 值，而 Python JSON 解析器拒绝它是正确的。

如果您尝试使用 http://jsonlint.com/ 验证该数据 blob网站，它还会报告数据不是有效的 JSON。

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

您给出的 IDLE 工作示例不是相等比较，因为您给出的字符串不同:

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

左边的字符串是您给 IDLE 的字符串，如果您将它括在花括号中，它将是有效的 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