解析包含 \n\t\r 的 JSON 字符串

Question

我正在使用 requests 库从 API 调用中获取一些数据，但它总是给我提供错误的 JSON 格式。然而，当我这样做时json.loads()，当我将其保存\r\t\n在文件中时，它在我的控制台窗口中是干净的。

import requests

headers = {

    'Connection': 'keep-alive',

    'Accept': '*/*',

    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/85.0.4183.121 Safari/537.36',

    'X-Requested-With': 'XMLHttpRequest',

    'Sec-Fetch-Site': 'same-origin',

    'Sec-Fetch-Mode': 'cors',

    'Sec-Fetch-Dest': 'empty',

    'Referer': 'https://webapps.illinois.gov/IWCC/CaseDocket/CaseSearch/ResBirthEnquiry?Name=ILLINOIS%20STATE%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20&type=R&caseDet=19_004185',

    'Accept-Language': 'en-US,en;q=0.9',

}

params = (

    ('Name', 'ILLINOIS STATE                '),

    ('type', 'R'),

    ('_', '1601313293712'),

)

response = requests.get('https://webapps.illinois.gov/IWCC/CaseDocket/CaseSearch/GetBirthInquiryDetails', headers=headers, params=params).json()

with open('casedockets.json','w') as outfile:

    json.dump(response, outfile, indent=4)

它产生以下输出：

"\"{\\r\\n\\\"nameBirthDetails\\\":\\r\\n{\\\"nameBirth10\\\":{\\r\\n\\t   \\\"petName\\\":\\\"MAURO, SEBASTIANO             \\\", \\r\\n\\t   \\\"respName\\\":\\\"ILLINOIS STATE                \\\", \\r\\n\\t   \\\"injuryDate\\\":\\\"11/21/2002\\\",\\r\\n\\t   \\\"caseYear\\\":\\\"03\\\", \\r\\n\\t   \\\"caseType\\\":\\\"WC\\\", \\r\\n\\t   \\\"caseSeqNbr\\\":\\\"003884\\\", \\r\\n\\t   \\\"dateFiled\\\":\\\"01/24/2003\\\", \\r\\n\\t   \\\"petBirthDate\\\":\\\"03/13/1943\\\", \\r\\n\\t

^ 这只是 JSON 数据的一部分...我怎样才能使其成为有效的 JSON，以便提取我需要的密钥？

Answer 1

该网络服务器已被破坏，必须受到指责。它序列化了一个 JSON 对象，然后再次序列化它，可能使用第二个 json.dumps 或者可能是字符串的 python str 或 repr - 它们足够接近，很难分辨。当你这样做时，.json()你最终得到了原始的 json 序列化字符串。您json.dump刚刚再次进行了双重序列化。json.loads您可以通过在转储之前添加一秒来解决该问题。如果服务器被修复，该步骤将失败，并且您会知道需要更新代码......因此添加异常处理。import requests, jsonheaders = {        'Connection': 'keep-alive',        'Accept': '*/*',        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/85.0.4183.121 Safari/537.36',        'X-Requested-With': 'XMLHttpRequest',        'Sec-Fetch-Site': 'same-origin',        'Sec-Fetch-Mode': 'cors',        'Sec-Fetch-Dest': 'empty',        'Referer': 'https://webapps.illinois.gov/IWCC/CaseDocket/CaseSearch/ResBirthEnquiry?Name=ILLINOIS%20STATE%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20&type=R&caseDet=19_004185',        'Accept-Language': 'en-US,en;q=0.9',}params = (    ('Name', 'ILLINOIS STATE                '),    ('type', 'R'),    ('_', '1601313293712'),)response = requests.get('https://webapps.illinois.gov/IWCC/CaseDocket/CaseSearch/GetBirthInquiryDetails',    headers=headers, params=params)try:    # buggy server returns doubly encoded json - until maybe someday it doesn't    data = response.json()    data = json.loads(data)except TypeError:    print("Looks like buggy server is no longer double encoded")with open('casedockets.json','w') as outfile:    json.dump(data, outfile, indent=4)

Answer 2

显然服务器也有责任。由于评论线程而保留此答案。requests不会为您解析 JSON，因此通过使用json.dump您可以将编码的 JSON 再次编码为 JSON 字符串。只需outfile.write(response.read())将来自服务器的实际的、未修改的响应正文写入文件即可。要解析 JSON 并从中获取 Python 对象，请使用response.json().

Answer 3

这里的问题在于服务器返回请求内容的方式。使用转换对数据进行初始解析.json会生成字符串编码的 json 结构。使用json.loads它的函数将产生实际的 json 数据。第一个.json调用将整个字符串解释为 json 字符串，并根据规范返回该字符串。然后下一个调用采用现在对象绑定的 json 字符串并将其解释为正确的 json 对象。最终，您每次都需要进行 json 解析，或者联系服务器管理员并告诉他们他们的 Web API 有缺陷。解决方案： json.dump(json.loads(response))