使用pd.read_json、json.load读取JSON文件报错，如何通过替换或其他方法正确加载？

方案1：先读取为纯文本清洗后再解析 #

• 第一步：读取文件为纯文本，优先指定兼容BOM的编码，避免编码前缀导致解析失败：

with open(file_name, 'r', encoding='utf-8-sig', errors='ignore') as f:
    raw_content = f.read()

• 第二步：清洗不可见特殊控制字符，过滤掉JSON不识别的零宽字符、控制符等：

import re
# 过滤常见不可见特殊字符，保留正常的换行、制表符、空格
clean_content = re.sub(r'[\x00-\x08\x0b\x0c\x0e-\x1f\x7f-\x9f\u200b-\u200f\ufeff]', '', raw_content)

• 第三步：可选：定向删除问题行，如果确认"error": null,为冗余内容：

clean_content = re.sub(r'\s*"error":\s*null,\s*', '', clean_content)

• 第四步：用清洗后的内容正常解析JSON：

import json
import pandas as pd

# 两种解析方式二选一即可
data = json.loads(clean_content)
df = pd.read_json(clean_content)

方案2：使用高容错性解析工具 #

• 对于格式不严格的JSON，可使用json5库解析，支持多余逗号、注释等非标准JSON特性：

import json5
with open(file_name, 'r', encoding='utf-8-sig') as f:
    data = json5.load(f)

• 若仍报错，可先通过字符编码检测工具确认文件真实编码，避免编码不匹配导致的字符乱码：

import chardet
with open(file_name, 'rb') as f:
    raw_data = f.read()
encoding = chardet.detect(raw_data)['encoding']
# 后续使用检测到的编码读取文件即可

特殊字符排查方法 #

如果上述方案仍未解决，可以打印文件前几百个字符的编码值，定位异常不可见字符的位置：

with open(file_name, 'r', encoding='utf-8-sig') as f:
    content = f.read()
# 打印前200个字符的位置、字面量、Unicode编码
for idx, char in enumerate(content[:200]):
    print(f"位置{idx}: 字符{repr(char)} 编码{ord(char)}")

内容的提问来源于stack exchange，提问作者Tommy