如何通过代码修复malformed JSON文件？求适配语言、步骤及方案

1. 首选语言：Python #

Python绝对是你的最优选择——生态里有大量成熟的JSON处理工具，从标准库到第三方库都能覆盖从简单到复杂的修复场景，完全匹配你的倾向。

2. 通用修复步骤 #

• 读取文件内容，先做基础预处理：清理多余的空白字符、移除非UTF-8编码的无效字符，避免解析时因编码问题报错
• 尝试用标准库json.loads()解析，捕获JSONDecodeError——这个异常会明确给出错误发生的行号、字符位置和具体原因（比如“无效的语法，位置在第5行第10列”）
• 根据错误类型选择修复策略：如果是常见的单引号、多余逗号问题，用正则或工具库自动修复；如果是结构缺失，结合上下文补全
• 修复后重新用json.loads()验证，确认合法后写入文件

3. 正则表达式修复的必查项 #

如果用正则手动修复，重点盯这些常见错误：

• 单引号替代双引号：JSON要求键和字符串值必须用双引号，正则要区分字符串内部的单引号（比如"I'm here"）和包裹键/值的单引号，可使用re.sub(r'(?<!\\)\'(?!\\)', '"', content)（注意规避已转义的单引号）
• 末尾多余逗号：匹配数组/对象末尾的逗号，比如re.sub(r',\s*([}\]])', r'\1', content)
• 未加引号的键：匹配类似{name: "Bob"}的无引号键，用re.sub(r'(\w+)\s*:', r'"\1":', content)，注意不要匹配字符串内的内容
• 非法注释：JSON不支持//或/* */注释，用re.sub(r'//.*$', '', content, flags=re.MULTILINE)移除单行注释，多行注释用re.sub(r'/\*.*?\*/', '', content, flags=re.DOTALL)
• 未转义的特殊字符：字符串内的换行、制表符或未转义的双引号，需要用正则转义，比如re.sub(r'(?<!\\)"(?!\\)', r'\\"', content)处理未转义的双引号

4. 现有方案的优化建议 #

• 方案一（依赖JSON编辑器反馈）：不用手动依赖编辑器，Python的json模块抛出的JSONDecodeError已经包含足够的错误定位信息，可以直接写代码根据错误提示自动修复常见问题，效率更高
• 方案二（适配固定结构）：确实精准，但仅适用于同结构的批量错误JSON，如果是零散的不同结构错误，通用性很差

5. 其他实用修复方案 #

• 第三方专门修复库：
  • jsonrepair：直接调用jsonrepair.repair_json(malformed_json)，能自动处理单引号、多余逗号、注释、缺失引号等绝大多数常见错误
  • demjson：使用demjson.decode(malformed_json, strict=False)可以容忍非标准JSON，还能通过demjson.encode()输出标准格式
  • jsonlines：如果是行分隔的错误JSON（每行一个JSON对象），这个库可以逐行解析并修复，适合日志类JSON文件
• 宽松语法解析生成：用lark这类语法解析库，自定义支持宽松格式的JSON语法规则（比如允许单引号、注释），解析错误JSON后再生成标准JSON，适合复杂的自定义错误场景
• 交互式修复脚本：写一个简单脚本，当解析出错时，打印错误位置的上下文内容，让用户手动输入修复后的片段，适合无法自动修复的特殊错误（比如严重的结构缺失）

内容的提问来源于stack exchange，提问作者Emre Mert Karaca