Python json.load()报JSONDecodeError: Extra data错误解决方法

报错JSONDecodeError: Extra data的核心原因：
你当前加载的文件是JSON Lines（JSONL）格式，而非标准的单JSON结构文件。这类格式的规则为：每一行独立存储一个合法JSON对象，整个文件没有外层数组包裹，多个独立JSON对象之间靠换行分隔，和你提供的文件样本结构完全一致——第一行是删除类推文的JSON，第二行是另一个删除类推文的JSON，第三行是已发布推文的JSON，三者都是独立的JSON值。

Python内置的json.load()/json.loads()的解析要求为：输入流/字符串必须是一个完整、独立的JSON值（例如单个对象、单个数组）。只要解析完第一个完整JSON对象后，后续还有非空白的剩余内容，就会直接抛出"Extra data"错误。你本次的报错位置在第2行第1列，也就是解析完第一行的删除类JSON后，检测到第二行还有未解析的内容，不符合单JSON的解析规则，因此中断报错。

不需要修改原文件结构，逐行读取逐行解析即可，这是处理JSONL格式文件的标准操作：

1. 基础加载代码

   import json
   
   all_records = []
   with open('tweets.json', 'r', encoding='utf-8') as f:
       for line in f:
           stripped_line = line.strip()
           # 跳过空行，避免无意义的解析报错
           if not stripped_line:
               continue
           # 将每一行作为独立JSON对象解析
           record = json.loads(stripped_line)
           all_records.append(record)
   

2. 适配提取推文文本目标的优化代码
   所有带delete字段的记录是已删除推文的元信息，没有公开的推文文本内容，可直接跳过；仅存在created_at字段的记录是已发布的有效推文，可提取其中的text字段：

   import json
   
   tweet_texts = []
   with open('tweets.json', 'r', encoding='utf-8') as f:
       for line in f:
           stripped_line = line.strip()
           if not stripped_line:
               continue
           record = json.loads(stripped_line)
           # 跳过删除类记录
           if 'delete' in record:
               continue
           # 提取有效推文的文本内容
           if 'text' in record:
               tweet_texts.append(record['text'])
   

• 大体积的推文文件不要尝试修改为外层套数组、对象间加逗号的标准JSON格式，这种操作会占用大量内存，效率远低于逐行解析。
• 如果逐行解析时遇到个别行格式异常（例如原文件中偶发的换行截断了单个JSON内容），可增加try-except块捕获单行解析异常，将相邻的不完整行拼接完成后再执行解析，避免整个流程中断。
• 你提供的样本中出现的跨多行的JSON内容，是粘贴展示时的格式问题，正规渠道导出的Twitter历史JSONL数据，会保证单个JSON对象完整放在同一行内，不会出现行内截断的情况。

内容的提问来源于stack exchange，提问作者JMarcos87