将utf-8文本保存在json.dump中，作为UTF 8，而不是作为转义序列

Question

将utf-8文本保存在json.dump中，作为UTF 8，而不是作为转义序列

样本代码：

>>> import json>>> json_string = json.dumps("ברי צקלה")>>> print json_string"\u05d1\u05e8\u05d9 \u05e6\u05e7\u05dc\u05d4"

问题是：它不是人类所能读的。我的(智能)用户希望验证甚至编辑带有JSON转储的文本文件。(我宁愿不使用XML)

是否有方法将对象序列化为utf-8json字符串(而不是\uXXXX)？

这没什么用：

>>> output = json_string.decode('string-escape')"\u05d1\u05e8\u05d9 \u05e6\u05e7\u05dc\u05d4"

这，这个很管用，但是如果有任何子对象是python-Unicode而不是utf-8，那么它将转储垃圾：

>>> #### ok:>>> s= json.dumps( "ברי צקלה", ensure_ascii=False)    >>> print json.loads(s)   ברי צקלה>>> #### NOT ok:
>>> d={ 1: "ברי צקלה", 2: u"ברי צקלה" }>>> print d{1: '\xd7\x91\xd7\xa8\xd7\x99 \xd7\xa6\xd7\xa7\xd7\x9c\xd7\x94', 
 2: u'\xd7\x91\xd7\xa8\xd7\x99 \xd7\xa6\xd7\xa7\xd7\x9c\xd7\x94'}>>> s = json.dumps( d, ensure_ascii=False, encoding='utf8')
 >>> print json.loads(s)['1']ברי צקלה>>> print json.loads(s)['2']×רנצק××

Answer 1

使用ensure_ascii=False切换到json.dumps()，然后手动将值编码为UTF-8：>>> json_string = json.dumps(u"ברי צקלה", ensure_ascii=False).encode('utf8')>>> json_string'"\xd7\x91\xd7\xa8\xd7\x99 \xd7\xa6\xd7\x a7\xd7\x9c\xd7\x94"'>>> print json_string"ברי צקלה"如果要将此写入文件，则可以使用io.open()而不是open()若要在编写时生成编码Unicode值的文件对象，请使用json.dump()相反，要写入该文件：with io.open('filename', 'w', encoding='utf8') as json_file:     json.dump(u"ברי צקלה", json_file, ensure_ascii=False)在Python 3中，内置的open()的别名io.open()..请注意，有一个中的bugjson模块在那里ensure_ascii=False标志可以产生一个混和的unicode和str物品。Python 2的解决方法是：with io.open('filename', 'w', encoding='utf8') as json_file:     data = json.dumps(u"ברי צקלה", ensure_ascii=False)     # unicode(data) auto-decodes data to unicode if str     json_file.write(unicode(data))如果要传入字节字符串(键入str在Python 2中，bytes在Python 3中)编码为UTF-8，请确保同时设置encoding关键词：>>> d={ 1: "ברי צקלה", 2: u"ברי צקלה" }>>> d{1: '\xd7\x91\xd7\xa8\xd7\x99 \xd7\xa6\xd7\xa7\xd7\x9c\xd7\x94', 2: u'\u05d1\u05e8\u05 d9 \u05e6\u05e7\u05dc\u05d4'}>>> s=json.dumps(d, ensure_ascii=False, encoding='utf8')>>> s u'{"1": "\u05d1\u05e8\u05d9 \u05e6\u05e7\u05dc\u05d4", "2": "\u05d1\u05e8\u05d9 \u05e6\u05e7\u05dc\u05d4"}'>>> json.loads(s)['1']u'\u05d1\ u05e8\u05d9 \u05e6\u05e7\u05dc\u05d4'>>> json.loads(s)['2']u'\u05d1\u05e8\u05d9 \u05e6\u05e7\u05dc\u05d4'>>> print json.loads(s)['1']ברי  צקלה>>> print json.loads(s)['2']ברי צקלה请注意你的第二个样本是不有效的Unicode；您将Utf-8字节作为Unicode文字，这将绝不可能工作：>>> s = u'\xd7\x91\xd7\xa8\xd7\x99 \xd7\xa6\xd7\xa7\xd7\x9c\xd7\x94'>>> print s×רנצק××>>> print s.encode('latin1').decod e('utf8')ברי צקלה只有当我将该字符串编码为拉丁语1(其Unicode编码点将一对一映射为字节)，然后解码为UTF-8时，您才会看到预期的输出。这与JSON无关，与使用错误输入有关。结果称为莫吉贝克.如果从字符串文本中获得Unicode值，则使用错误的编解码器对其进行解码。可能是您的终端配置错误，或者您的文本编辑器使用与您让Python读取文件不同的编解码器保存了源代码。或者你从一个应用错误的编解码器库中获得了它。这些都与JSON库无关.

Answer 2

写入文件import codecsimport jsonwith codecs.open('your_file.txt', 'w', encoding='utf-8') as f:     json.dump({"message":"xin chào việt nam"}, f, ensure_ascii=False)打印到stdinimport codecsimport jsonprint(json.dumps({"message":"xin chào việt nam"}, ensure_ascii=False))

Answer 3

更新：这是错误的答案，但理解错误的原因仍然是有用的。见评论。怎么样unicode-escape?>>> d = {1: "ברי צקלה", 2: u"ברי צקלה"}>>> json_str = json.dumps(d).decode('unicode-escape').encode('utf8') >>> print json_str{"1": "ברי צקלה", "2": "ברי צקלה"}