Python处理含多余双引号的格式错误JSON解决方案咨询

问题场景 #

需要处理一份存在多余双引号的错误JSON，无法从源头调整格式。使用json.loads()解析时触发JSONDecodeError，尝试benedict.from_yaml()同样失败，目标是将错误JSON修正为可正常解析的格式，得到符合预期的字典结构。

错误JSON示例 #

json_input='{"value_ok" : "ok", "empth" : """", "value_2" : ""text"", "value_3" : ""2022-01-01""}'

尝试过的方法及报错 #

尝试1：使用json.loads()解析 #

d = json.loads(json_input)

报错信息：

JSONDecodeError: Expecting ',' delimiter: line 1 column 33 (char 32)

尝试2：使用benedict.from_yaml()解析 #

d = benedict.from_yaml(json_input)

报错信息：

expected ',' or '}', but got '<scalar>'
  in "<unicode string>", line 1, column 33:
    {"value_ok" : "ok", "empth" : """", "value_2" : ""text"", "value ... 

解决方案：正则表达式替换多余双引号 #

针对该JSON的错误模式（值被额外包裹双引号、空值多写双引号），可以用正则表达式精准替换修正：

import re
import json

json_input='{"value_ok" : "ok", "empth" : """", "value_2" : ""text"", "value_3" : ""2022-01-01""}'

# 替换值部分的双层双引号：""xxx"" → "xxx"
fixed_json = re.sub(r'(?<=":\s*)""(.*?)""(?=\s*,|\s*})', r'"\1"', json_input)
# 替换空值的四层双引号："""" → ""
fixed_json = re.sub(r'(?<=":\s*)""""(?=\s*,|\s*})', r'""', fixed_json)

# 验证解析结果
d = json.loads(fixed_json)
print(d)

执行结果 #

输出：

{'value_ok': 'ok', 'empth': '', 'value_2': 'text', 'value_3': '2022-01-01'}

正则说明 #

• (?<=":\s*)：正向断言，匹配字段名后的":及可能的空格，确保只处理字段值部分的双引号
• ""(.*?)""：匹配被双层双引号包裹的内容，非贪婪模式避免匹配跨字段的内容
• (?=\s*,|\s*})：正向断言，匹配值后的逗号或大括号，确保只替换单个字段值内的错误格式

内容的提问来源于stack exchange，提问作者aaferreira