提取Disconnect.json唯一域名时遇TypeError错误求助

错误原因 #

你的代码报错是因为对目标JSON文件的结构理解有误：

• disconnect_json['categories'] 是一个字典，而非列表。直接遍历它会得到分类名称的字符串（比如"Advertising"）。
• 你尝试对字符串执行 category['trackers']，这必然触发 TypeError——字符串的索引只能是整数，不能用字符串键。
• 另外，原JSON中不存在 trackers 这个键，每个分类对应的字典值就是该分类下的追踪器列表。

修正后的代码 #

以下代码会正确提取所有唯一域名（包括单个域名、域名数组，以及追踪器关联的属性域名）：

import json

def get_disconnect_domains(disconnect_json_file):
    disconnect_domains = set()
    with open(disconnect_json_file, 'r') as f:
        disconnect_json = json.load(f)
        # 遍历所有分类下的追踪器列表
        for trackers in disconnect_json['categories'].values():
            for tracker in trackers:
                # 处理单个域名的情况
                if 'domain' in tracker:
                    disconnect_domains.add(tracker['domain'])
                # 处理多个域名的数组情况
                if 'domains' in tracker:
                    disconnect_domains.update(tracker['domains'])
                # 处理追踪器关联的属性域名（可选，按需保留）
                if 'properties' in tracker:
                    disconnect_domains.update(tracker['properties'])

    return disconnect_domains

# 调用函数并获取结果
disconnect_domains = get_disconnect_domains('disconnect.json')

# 可选：打印排序后的域名列表
for domain in sorted(disconnect_domains):
    print(domain)

关键修正点 #

1. 遍历字典的值：用 disconnect_json['categories'].values() 直接获取每个分类下的追踪器列表，而非遍历分类名称字符串。
2. 兼容多种域名存储格式：原JSON中部分追踪器用 domain 存储单个域名，部分用 domains 数组存储多个域名，还有的在 properties 中包含关联域名，代码全部处理这些情况。
3. 用集合去重：继续使用 set() 自动过滤重复域名。

内容的提问来源于stack exchange，提问作者Ariha