Python读取JSON文件报JSONDecodeError: Extra data错误原因咨询

这个报错的核心逻辑是：Python 内置的json.load() 仅支持解析单个完整合法的JSON根结构，当解析器读取到第一个合法JSON结构的结束位置后，发现流中还有未被纳入当前结构的剩余内容，就会抛出该错误，报错信息里标注的char 177192就是解析器判定第一个合法结构结束的位置。结合你在Colab读取Google Drive中17MB JSON文件的场景，常见触发原因如下：

• 文件实际为多段独立JSON拼接格式，而非你预期的单数组结构
  很多数据导出工具默认输出JSON Lines格式（每行一个独立JSON对象），不会用[]包裹所有对象、也不会在对象之间加逗号分隔，最终文件内容是连续拼接的独立JSON对象，类似{"id":1,"name":"Joe"}{"id":2,"name":"Jane"}{...}。解析器读到第一个对象末尾的}位置（和你报错的字符位置匹配）就判定解析完成，后面的所有对象都会被识别为多余数据。
  你可以直接读取文件片段查看报错位置的实际内容，快速定位问题：

  with open('GOOGLEDRIVE_FILEPATH/FILE_NAME.json', encoding="utf-8-sig") as f:
      raw_content = f.read()
  # 打印报错位置前后200字符，查看实际内容格式
  print(repr(raw_content[177192-200 : 177192+200]))
  

• JSON结构存在语法错误
  如果你确认文件应该是单根数组结构，大概率是结构语法出错：
  • 数组提前闭合：比如在某个对象结束位置多写了]，导致数组在报错位置就提前结束，后面的所有对象都成了根节点外的多余内容
  • 对象间缺失分隔符：两个相邻JSON对象之间漏写逗号，直接是}{相连，解析器读到第一个}就认为根结构结束
  • 存在未转义的特殊字符：比如字符串里的引号、反斜杠没有按JSON规范转义，导致解析器提前判定结构结束
• 文件内容损坏或不完整
  17MB文件在写入Google Drive、Colab挂载读取的过程中可能出现损坏：
  • 上传时网络波动导致文件截断，或者重复拼接了多段内容
  • Colab挂载Drive时缓存异常，实际读取到的文件内容不是Drive上存储的完整版本，这种情况重启Colab实例、重新挂载Drive后重试即可排除。

内容的提问来源于stack exchange，提问作者user92720