错误的 JSON - 未引用密钥

Question

我正在从 AWS（从 javascript 文件）中抓取一些 JSONP 字典。在仅解析类 JSON 数据的原始数据后，在某些情况下，我会得到一个有效的 JSON，并且可以在 Python (json_data = json.loads(json_like_data)) 中成功加载它。但是，一些 Amazon 的 JSONP 不包括在其键周围的引号（见下文）。

...
{type:"storageCurrentGen",sizes:
[{size:"i2.xlarge",vCPU:"4",ECU:"14",memoryGiB:"30.5",storageGB:"1 x 800 SSD",valueColumns:[{name:"linux",prices:{USD:"0.938"}}]},
{size:"i2.2xlarge",vCPU:"8",ECU:"27",memoryGiB:"61",storageGB:"2 x 800 SSD",valueColumns:[{name:"linux",prices:{USD:"1.876"}}]},
{size:"i2.4xlarge",vCPU:"16",ECU:"53",memoryGiB:"122",storageGB:"4 x 800 SSD",valueColumns:[{name:"linux",prices:{USD:"3.751"}}]},
...

对于 JSONP，这仍然有效，因为它是有效的 JavaScript 语法。但是，Python 的 json.loads(json_str) 无效，因为它是无效的 JSON。

还有另一个 Python 模块 YAML 可以处理不带引号的键，但分号后面必须有一个空格 (:)。

我认为我有两个选择。

1. 以某种方式替换左大括号或逗号 ({ | ,) 和冒号 (:) 之间的字符。然后使用json.loads(...)。
2. 在冒号后添加一个空格 (:)。然后用yaml.load(...)解析。

我的猜测是选项 2 比 1 更好。但是，我正在寻求更好的解决方案的建议。

以前有没有人遇到过这样的格式错误的 JSON 并使用 Python 来解析它？

Answer 1

你有一个HJSON document，此时你可以使用hjson project来解析它：

>>> import hjson
>>> hjson.loads('{javascript_style:"Look ma, no quotes!"}')
OrderedDict([('javascript_style', 'Look ma, no quotes!')])

HJSON 是 JSON，不需要引用对象名称，甚至不需要引用某些字符串值，增加了注释支持和多行字符串，并且对应该使用逗号的位置有宽松的规则（包括根本不使用逗号）。

或者你可以安装和使用demjson library;它支持解析有效的 JavaScript（缺少引号）：

import demjson

result = demjson.decode(jsonp_payload)

只有当您设置strict=True 标志时，demjson 才会拒绝解析您的输入：

>>> import demjson
>>> demjson.decode('{javascript_style:"Look ma, no quotes!"}')
{u'javascript_style': u'Look ma, no quotes!'}
>>> demjson.decode('{javascript_style:"Look ma, no quotes!"}', strict=True)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/Users/mjpieters/Development/venvs/stackoverflow-2.7/lib/python2.7/site-packages/demjson.py", line 5701, in decode
    return_stats=(return_stats or write_stats) )
  File "/Users/mjpieters/Development/venvs/stackoverflow-2.7/lib/python2.7/site-packages/demjson.py", line 4917, in decode
    raise errors[0]
demjson.JSONDecodeError: ('JSON does not allow identifiers to be used as strings', u'javascript_style')

使用正则表达式，您可以尝试通过正则表达式获取有效的 JSON；然而，这可能导致误报。模式是：

import re

valid_json = re.sub(r'(?<={|,)([a-zA-Z][a-zA-Z0-9]*)(?=:)', r'"\1"', jsonp_payload)

这匹配 { 或 ,，后跟 JavaScript 标识符（一个字符，后跟更多字符或数字），然后直接跟 : 冒号。如果您引用的值包含任何此类模式，您将获得无效的 JSON。

Answer 2

您也可以使用简单的正则表达式来做到这一点（在这种特殊情况下）：

ll = '{type:"storageCurrentGen",sizes:\n[{size:"i2.xlarge",vCPU:"4",ECU:"14",memoryGiB:"30.5",storageGB:"1 x 800 SSD",valueColumns:[{name:"linux",prices:{USD:"0.938"}}]},\n{size:"i2.2xlarge",vCPU:"8",ECU:"27",memoryGiB:"61",storageGB:"2 x 800 SSD",valueColumns:[{name:"linux",prices:{USD:"1.876"}}]},\n{size:"i2.4xlarge",vCPU:"16",ECU:"53",memoryGiB:"122",storageGB:"4 x 800 SSD",valueColumns:[{name:"linux",prices:{USD:"3.751"}}]},'

ll_patched = re.sub('([{,:])(\w+)([},:])','\\1\"\\2\"\\3',ll)
>>> ll_patched
'{"type":"storageCurrentGen","sizes":\n[{"size":"i2.xlarge","vCPU":"4","ECU":"14","memoryGiB":"30.5","storageGB":"1 x 800 SSD","valueColumns":[{"name":"linux","prices":{"USD":"0.938"}}]},\n{"size":"i2.2xlarge","vCPU":"8","ECU":"27","memoryGiB":"61","storageGB":"2 x 800 SSD","valueColumns":[{"name":"linux","prices":{"USD":"1.876"}}]},\n{"size":"i2.4xlarge","vCPU":"16","ECU":"53","memoryGiB":"122","storageGB":"4 x 800 SSD","valueColumns":[{"name":"linux","prices":{"USD":"3.751"}}]},'