Python如何处理json.loads中的无效JSON字符串（AWS Lambda场景）

场景说明 #

我有一个AWS Lambda Python函数，收到的示例数据如下：

{"time_script_executed": "2022-09-20 11:03:31",
"nv_official_build": "unknown",
"tool_cmd": "c:\\abc\\1.2.3.4\\tool.exe ts /v /tr http://timestamp.entrust.net/TSS/as /td SHA256 \\"sd.dll" 2>&1",
}

Lambda中的处理代码如下：

import json
import datetime
from botocore.exceptions import ClientError

def lambda_handler(event, context):
    event_body = event["body"]
    input_dict = json.loads("{}".format(event_body))
    now = datetime.datetime.now()
    input_dict["time_2"] = now.strftime('%Y-%m-%dT%H:%M:%S')
    input_json = json.dumps(input_dict)

    try:
        # 后续步骤将发送input_json
        ...
    except ClientError as e:
        print(e)
        exit(1)
    response = {
        "statusCode": 200
    }
    return response

核心需求 #

• 将可能在特定属性中包含无效JSON字符的输入数据字符串转换为JSON
• 为JSON新增属性
• 将JSON下发至后续环节

问题描述 #

由于tool_cmd字段存在未转义的JSON字符，导致json.loads解析报错。若先使用json.dumps进行转义，会转义JSON中所有双引号，但我仅希望转义tool_cmd属性。请问在Python中有没有无需使用正则表达式的简洁处理方式？

解决方案 #

方法1：使用ast.literal_eval替代json.loads #

Python的ast模块提供的literal_eval函数可以解析合法的Python字面量，比json.loads容忍度更高，能处理这类存在未完全转义双引号的字符串。修改代码如下：

import ast
import json
import datetime
from botocore.exceptions import ClientError

def lambda_handler(event, context):
    event_body = event["body"]
    # 用ast.literal_eval替代json.loads，安全解析不规范字面量
    input_dict = ast.literal_eval(event_body)
    now = datetime.datetime.now()
    input_dict["time_2"] = now.strftime('%Y-%m-%dT%H:%M:%S')
    input_json = json.dumps(input_dict)

    try:
        # 后续步骤将发送input_json
        ...
    except ClientError as e:
        print(e)
        exit(1)
    response = {
        "statusCode": 200
    }
    return response

ast.literal_eval会自动处理tool_cmd字段内的未转义双引号，且不会改变其他字段的原有格式，操作简洁且安全。

方法2：定位字段单独转义后解析 #

如果必须使用json.loads，可以通过字符串分割定位tool_cmd字段，单独转义其内部的双引号，再进行解析：

import json
import datetime
from botocore.exceptions import ClientError

def lambda_handler(event, context):
    event_body = event["body"]
    # 定位tool_cmd字段值的起始和结束位置
    field_prefix = '"tool_cmd": "'
    start_idx = event_body.find(field_prefix) + len(field_prefix)
    # 查找字段值的结尾（优先找字段后的",，没有则找JSON结尾的}）
    end_idx = event_body.find('",', start_idx)
    if end_idx == -1:
        end_idx = event_body.rfind('}') - 1
    
    # 提取并转义tool_cmd值内的双引号
    tool_cmd_raw = event_body[start_idx:end_idx]
    tool_cmd_escaped = tool_cmd_raw.replace('"', '\\"')
    # 拼接修复后的JSON字符串
    fixed_body = event_body[:start_idx] + tool_cmd_escaped + event_body[end_idx:]
    
    # 解析为字典
    input_dict = json.loads(fixed_body)
    now = datetime.datetime.now()
    input_dict["time_2"] = now.strftime('%Y-%m-%dT%H:%M:%S')
    input_json = json.dumps(input_dict)

    try:
        # 后续步骤将发送input_json
        ...
    except ClientError as e:
        print(e)
        exit(1)
    response = {
        "statusCode": 200
    }
    return response

这种方法仅针对tool_cmd字段处理，不会影响其他字段的转义状态，但依赖输入JSON的格式稳定性，确保tool_cmd字段的结构符合预期。

内容的提问来源于stack exchange，提问作者cucucool