如何修复JSON文件中的TypeError: string indices must be integers错误

错误原因 #

1. JSON序列化重复操作：代码中多次对数据进行JSON序列化/反序列化，最后用json.dump()写入已序列化的字符串，导致文件内容是被转义的JSON字符串而非预期的JSON对象结构。
2. 数据结构不匹配：读取后intents是一个列表（每个元素为含单条记录的{'intents': [...]}字典），但后续代码试图用intents['intents']（字符串索引）访问列表，触发TypeError: string indices must be integers。
3. 意图结构构造错误：原代码将每条记录单独包裹为{'intents': [record]}并放入列表，不符合后续处理所需的「单字典+intents键对应所有记录列表」的结构。

修复方案 #

调整JSON构造与写入逻辑，直接生成符合预期的数据结构，避免重复序列化操作：

修改后的完整代码片段 #

import pandas as pd
import json
import nltk

# 假设preprocess、clean函数已定义
data = pd.read_csv('wikihowAll.csv')
data = data.dropna()
data['clean_title'] = data['title'].map(lambda s: preprocess(s))
data['clean_headline'] = data['headline'].map(lambda s: preprocess(s))
data['clean_text'] = data['text'].map(lambda s: preprocess(s))
data['clean_title'] = data['clean_title'].astype(str)
data['clean_headline'] = data['clean_headline'].astype(str)
data['clean_text'] = data['clean_text'].astype(str)
data['title_clean_sent'] = data['title'].apply(clean)
data['headline_clean_sent'] = data['headline'].apply(clean)
data['text_clean_sent'] = data['text'].apply(clean)
data = data[['clean_title','headline_clean_sent','text_clean_sent']]
data.columns = ['tag', 'patterns', 'responses']
data['tag'] = data['tag'].astype(str)
data['patterns'] = data['patterns'].astype(str)
data['responses'] = data['responses'].astype(str)

# 直接构造符合后续处理要求的intents字典
intents_dict = {
    "intents": data.to_dict(orient='records')
}

# 正确写入JSON文件：将Python字典直接序列化为JSON
with open("myfile.json", "w") as outfile:
    json.dump(intents_dict, outfile, indent=2)

# 读取并解析JSON文件
data_file = open('myfile.json').read()
intents = json.loads(data_file)

# 后续处理逻辑保持不变
words = []
documents = []
classes = []

for intent in intents['intents']:
    for pattern in intent['patterns']:
        # 分词
        w = nltk.word_tokenize(pattern)
        words.extend(w)
        # 添加语料文档
        documents.append((w, intent['tag']))
        # 收集类别
        if intent['tag'] not in classes:
            classes.append(intent['tag'])

关键修改点 #

• 直接构造目标结构：用data.to_dict(orient='records')将DataFrame转为记录列表，再包裹为{"intents": ...}的字典，完全匹配后续代码的访问逻辑。
• 避免重复序列化：使用json.dump(intents_dict, outfile)直接将Python字典序列化为JSON写入文件，解决了原代码中字符串嵌套的问题。
• 保持后续逻辑不变：读取后intents为预期的字典结构，intents['intents']可正确获取所有意图列表，遍历无错误。

验证有效性 #

1. 检查JSON文件结构：打开myfile.json，确认内容为标准JSON格式，顶层是含intents键的字典，值为所有记录的数组。
2. 运行代码：不再触发TypeError，顺利完成分词、语料文档构建与类别收集。
3. 对接ChatBot训练：确保后续基于Transformers的训练流程可正常读取该数据集。

内容的提问来源于stack exchange，提问作者Naeemah Small