有没有更好的方法来“医生”JSON 代码？ [关闭]答案

【问题标题】：Is there a better way to 'doctor' JSON code? [closed]有没有更好的方法来“医生”JSON 代码？ [关闭]
【发布时间】：2023-04-11 07:56:01
【问题描述】：

我下载了一些网页，其中包含嵌入到 javascript 中的 JSON 代码。我需要对其进行解码，但它是不正确 JSON，并且包含单引号和双引号，这会导致解码子程序出错。

注意：JSON 以块形式提取到字符串变量中，DATA 块代表某种形式的错误 JSON 代码（主要问题在于代表网站访问者客户端输入的部分），JSON 具有相当深度递归结构。

到目前为止，我找不到比附加的仍然不正确的波纹管代码更好的解决方案。

有没有更好的方法医生收到 JSON 代码？ [可能在正则表达式中使用 (??{ code})]

use strict;
use warnings;
use diagnostics;

while( <DATA> ) {
    chomp;
    print "IN:  $_\n";
    s/"/'/g;
    print "OUT: $_\n" if s/'(.*?)'\s*:\s*'(.*?)'(,|\s*\})/"$1": "$2"$3/g;
}

__DATA__
{ "d1": "some data here", "d2":"some "data" here", "d3": "some "data" here "year"", "d4": { "x1": "some "data" here" } }
{ "d2": "some data here", "d2":"some "data" here", "d3": "some "data" here "year"" }
{ 'd3': 'some data here', "d2":"some "data" here", "d3": "some "data" here "year"" }
{ "d4": 'some data here', "d2":"some "data" here", "d3": "some "data" here "year"", "d4": { "x1": "some "data" here" } }
{ 'd5': "some data here", "d2":"some "data" here", "d3": "some "data" here "year"" }

输出

IN:  { "d1": "some data here", "d2":"some "data" here", "d3": "some "data" here "year"", "d4": { "x1": "some "data" here" } }
OUT: { "d1": "some data here", "d2": "some 'data' here", "d3": "some 'data' here 'year'", "d4': { 'x1": "some 'data' here" } }
IN:  { "d2": "some data here", "d2":"some "data" here", "d3": "some "data" here "year"" }
OUT: { "d2": "some data here", "d2": "some 'data' here", "d3": "some 'data' here 'year'" }
IN:  { 'd3': 'some data here', "d2":"some "data" here", "d3": "some "data" here "year"" }
OUT: { "d3": "some data here", "d2": "some 'data' here", "d3": "some 'data' here 'year'" }
IN:  { "d4": 'some data here', "d2":"some "data" here", "d3": "some "data" here "year"", "d4": { "x1": "some "data" here" } }
OUT: { "d4": "some data here", "d2": "some 'data' here", "d3": "some 'data' here 'year'", "d4': { 'x1": "some 'data' here" } }
IN:  { 'd5': "some data here", "d2":"some "data" here", "d3": "some "data" here "year"" }
OUT: { "d5": "some data here", "d2": "some 'data' here", "d3": "some 'data' here 'year'" }

【问题讨论】：

如果您确定您所追求的数据（内容方面）不包含'，那么简单地将所有单引号替换为双引号会更容易吗？或者，只需将 ' 替换为 ["]`，将其放入一个组中，然后使用它。
JSON 可能有很多包含，例如I'm、name's、name"s、"2019"、they've、It's... 没有一致性的地方应该是@ 987654333@ 用户输入" 例如I"m - 一些输入是西里尔语，例如{"title": "описание наименование фильма "новый 2019" сериал"}。
在一般情况下，不，没有办法预测哪些引号格式正确。如果键像您的示例所暗示的那样单调，那么简单的正则表达式应该能够达到可接受的准确性，尽管您可能仍希望执行手动审查。
在this post（和 cmets）的第二部分查看一些想法/正则表达式来修复稍微无效的 JSON
根据 OP 的 cmets，问题是错误的。 OP 实际上并没有遇到诸如在他们的问题中找到的数据，而是有效的 JavaScript。投票结束，直到这个问题得到解决。

标签： json regex perl double-quotes

【解决方案1】：

我不会为您损坏的 JSON 编写解析器。教授如何编写解析器超出了本网站的范围。此外，您可以轻松地基于现有的 JSON 解析器（例如 JSON::PP）。

我能做的是帮助您解决唯一困难的部分：确定引号是结束文字还是需要转义。例如，确定"some "data" here" 中的第二个和第三个引号不会结束文字，而第四个会结束。

事实证明，很容易做出可靠的猜测：向前看！如果引号后面跟着可选的空格 :、,、} 和 ] 在文字结束时有效，则引号可能合法地结束文字。否则，它是文字的一部分，需要转义。

【讨论】：

注意：我尝试处理的 JSON 是由 YouTube 网站返回的。
1) 您发布的不是 JSON。它甚至不是 JavaScript。 2) 我怀疑您发布的内容（例如"some "data" here"）来自 Google。 3) 那又怎样？
Re "我没有看到你要求更多。"，那你为什么提到数据是 161 KB 的大小？
Re "现在请看下面网页的源代码", 目的是什么？（我看到了有效的 JavaScript，与您发布的不同。）
这与我的回答有什么关系？

【解决方案2】：

您似乎想要进行以下更正：

1) 将任何 json 字段名称从单引号更改为双引号。

2) 将任何 json 字符串字段值从单引号更改为双引号

3) 将 json 字符串字段中的任何嵌套双引号更改为双引号字符串内的单引号

4) 确保 json 字段名称后的冒号后至少有一个空格。

您能否在输出部分仔细检查示例 1 和 4 的结尾？当然，您不想将 json 字段名称更改为包含冒号、单引号和大括号。此外，如果您确实打算这样做，那么大括号现在在这些行上是不平衡的。

所有这些……正则表达式可能不是适合这项工作的工具。为此，您可能需要一个上下文相关的解析器（以跟踪所有嵌套级别）。

如果您对正在下载的页面有任何控制权，请让他们修复它。否则......你几乎必须能够处理任何事情，所以你需要上下文敏感的解析器 - 如果它变得太混乱，请准备好丢弃一些输入。 ...而不是崩溃或进入无限循环。

【讨论】：

布伦达，你说得非常正确，应该做哪些更正才能使 JSON 可解析。但是我已经知道了，我的问题是是否可以用 regex 来纠正这种异常。问题是 JSON 具有 recursive 结构，而 regex 需要递归解析。通过查看regex 文档，我发现只有使用(??{ code }) 功能才有这种可能性。我采用了这种方法，但是幸运地理解了它的工作原理并没有让我达到预期的结果。
我完全可以接受这样的回答异常。否则，这个 JSON 只能通过编写处理所有可能情况的解析器来处理。我一直希望对 regex 更有经验的人可以澄清在类似情况下使用 (??{ code }) 功能。
JSON 虽然代表 JavaScript Object Notation，但 JavaScript 和 JSON 保持数据略有不同。 JavaScript 允许 { 'key': "value"}，但 JSON 解析器需要 {"key":"value"}。这种问题很容易用 regex 纠正，因为 key 从来没有递归结构。 value 部分的情况完全不同，因为根据定义它可以包含 recursion。此刻我来到了其他产生预期结果的解决方案，它正处于测试阶段，看看是否有任何其他异常会出现。