JSON字符串解码错误

Question

我正在调用网址：

http://code.google.com/feeds/issues/p/chromium/issues/full/291?alt=json

使用 urllib2 并使用 json 模块解码

url = "http://code.google.com/feeds/issues/p/chromium/issues/full/291?alt=json"
request = urllib2.Request(query)
response = urllib2.urlopen(request)
issue_report = json.loads(response.read())

我遇到以下错误：

ValueError: Invalid control character at: line 1 column 1120 (char 1120)

我尝试检查标题并得到以下信息：

Content-Type: application/json; charset=UTF-8
Access-Control-Allow-Origin: *
Expires: Sun, 03 Jul 2011 17:38:38 GMT
Date: Sun, 03 Jul 2011 17:38:38 GMT
Cache-Control: private, max-age=0, must-revalidate, no-transform
Vary: Accept, X-GData-Authorization, GData-Version
GData-Version: 1.0
ETag: W/"CUEGQX47eCl7ImA9WxJaFEw."
Last-Modified: Tue, 04 Aug 2009 19:20:20 GMT
X-Content-Type-Options: nosniff
X-Frame-Options: SAMEORIGIN
X-XSS-Protection: 1; mode=block
Server: GSE
Connection: close

我也尝试添加如下编码参数：

issue_report = json.loads(response.read() , encoding = 'UTF-8')

我仍然遇到同样的错误。

Answer 1

该提要当时包含来自 JPEG 的原始数据； JSON格式不正确，所以这不是你的错。向 Google 报告错误。

Answer 2

您可以考虑改用 lxml，因为 JSON 格式不正确。它的 XPath 支持使得使用 XML 变得非常简单：

import lxml.etree
url = 'http://code.google.com/feeds/issues/p/chromium/issues/full/291'
doc = lxml.etree.parse(url)
ns = {'issues': 'http://schemas.google.com/projecthosting/issues/2009'}
issues = doc.xpath('//issues:*', namespaces=ns)

相当容易操作元素，例如从标签中剥离命名空间，转换为字典：

>>> dict((x.tag[len(ns['issues'])+2:], x.text) for x in issues)
<<<    
{'closedDate': '2009-08-04T19:20:20.000Z',
 'id': '291',
 'label': 'Area-BrowserUI',
 'stars': '13',
 'state': 'closed',
 'status': 'Verified'}