python之在 python 中导入错误连接的 JSON

我有一个包含数千个 jsons 字符串的文本文档，格式为:"{...}{...}{...}"。这不是一个有效的 json，但每个 {...} 都是。

我目前使用以下正则表达式来拆分它们:

fp = open('my_file.txt', 'r') 
raw_dataset = (re.sub('}{', '}\n{', fp.read())).split('\n') 

这基本上打破了大括号关闭和其他打开的每一行 (}{ -> }\n{)，所以我可以将它们分成不同的行。

问题是它们中很少有 tags 属性写成 "{tagName1}{tagName2}" 这打破了我的正则表达式。

一个例子是:

'{"name":\"Bob Dylan\", "tags":"{Artist}{Singer}"}{"name": "Michael Jackson"}' 

被解析成

'{"name":"Bob Dylan", "tags":"{Artist}' 
'{Singer}"}' 
'{"name": "Michael Jackson"}' 

代替

'{"name":"Bob Dylan", "tags":"{Artist}{Singer}"}' 
'{"name": "Michael Jackson"}' 

进一步 json 解析实现此目的的正确方法是什么？

请您参考如下方法:

使用json.JSONDecoder的raw_decode方法

>>> import json 
>>> d = json.JSONDecoder() 
>>> x='{"name":\"Bob Dylan\", "tags":"{Artist}{Singer}"}{"name": "Michael Jackson"}' 
>>> d.raw_decode(x) 
({'tags': '{Artist}{Singer}', 'name': 'Bob Dylan'}, 47) 
>>> x=x[47:] 
>>> d.raw_decode(x) 
({'name': 'Michael Jackson'}, 27) 

raw_decode 返回一个二元组，第一个元素是解码后的 JSON，第二个元素是 JSON 结束后下一个字节在字符串中的偏移量。

循环直到结束或遇到无效的 JSON 元素:

>>> while True: 
...   try: 
...     j,n = d.raw_decode(x) 
...   except ValueError: 
...     break 
...   print(j) 
...   x=x[n:] 
...  
{'name': 'Bob Dylan', 'tags': '{Artist}{Singer}'} 
{'name': 'Michael Jackson'} 

当循环中断时，检查 x 将显示它是否处理了整个字符串或是否遇到了 JSON 语法错误。

对于一个非常长的短元素文件，您可以将一个 block 读入缓冲区并应用上述循环，在循环中断后将剩余的任何内容与下一个 block 连接起来。