使用正则匹配连续双引号前的单个双引号以修复异常JSON字符串

问题本质 #

你遇到的是非标准JSON生成错误：字符串值内部的双引号未做转义处理，部分位置还会出现连续双引号""，导致JSON解析失败。

可直接运行的Python实现 #

方案1：保留值内部双引号（推荐，不丢失原始数据） #

利用零宽断言匹配所有非JSON结构的内部双引号，转为转义格式：

import re
import json

bad_json = '{"Field":"String data "Other String Data""}'
# 正则匹配：既不是JSON结构起始/结束标识的双引号，就是值内部的多余引号
fixed_json = re.sub(r'(?<![{,:])"(?![,:}])', r'\\"', bad_json)

# 验证解析结果
data = json.loads(fixed_json)
print(data)
# 输出：{'Field': 'String data "Other String Data"'}

方案2：直接删除值内部多余双引号 #

如果不需要保留内部双引号，直接替换为空即可：

import re
import json

bad_json = '{"Field":"String data "Other String Data""}'
fixed_json = re.sub(r'(?<![{,:])"(?![,:}])', '', bad_json)
data = json.loads(fixed_json)
print(data)
# 输出：{'Field': 'String data Other String Data'}

正则规则说明 #

(?<![{,:])"(?![,:}]) 的逻辑：

• (?<![{,:])：零宽负向后发断言，要求双引号的前一个字符不能是{、,、:（排除键起始、值起始的合法引号）
• "：匹配目标双引号
• (?![,:}])：零宽负向正向断言，要求双引号的后一个字符不能是,、:、}（排除键结束、值结束的合法引号）

原有正则失效原因 #

你之前写的(?=(?=(")).*"")仅做了正向预查判断存在连续双引号，没有排除JSON结构本身的合法引号，会匹配到大量无效位置，无法精准定位需要处理的目标引号。

内容的提问来源于stack exchange，提问作者Alfonzo Sanfilippo