如何用正则表达式去除JSON中content字段值内的多余引号？

搞定这个解析失败的问题核心是精准区分JSON结构引号和content字段值内的意外引号，不能误删结构本身的引号。下面给你一个实用的正则方案，附完整代码示例：

问题场景复现 #

先看一个典型的坏JSON例子——content值里的未转义双引号直接破坏了JSON结构：

{
  "id": 1,
  "content": "这段文本里有"意外"的引号，直接用json.loads会报错"
}

解决方案：正则定向清理 #

我们可以用正则精准匹配content字段的完整取值范围，然后单独清理值内的双引号，保留JSON结构的引号。

Python代码实现 #

import re
import json

# 你的有问题的JSON字符串
malformed_json = '''{
  "article_id": 123,
  "content": "用户输入的内容里有"多余"的双引号，导致JSON解析失败",
  "author": "test"
}'''

# 正则规则：精准定位content字段的取值范围
# 规则解释：
# - ("content": ") 捕获字段键和开头的引号，保留JSON结构部分
# - (.*?) 非贪婪匹配content的实际内容（支持换行）
# - (")(?=[,}]) 匹配结尾的引号，确保后面是JSON的分隔符（逗号或大括号）
pattern = r'("content": ")(.*?)(")(?=[,}])'

# 自定义替换函数：清理内容里的双引号
def clean_inner_quotes(match_obj):
    # 提取捕获的分组：结构前缀、原始内容、结构后缀引号
    prefix = match_obj.group(1)
    raw_content = match_obj.group(2)
    suffix = match_obj.group(3)
    # 删除内容里的所有双引号
    cleaned_content = raw_content.replace('"', '')
    # 拼接回合法的JSON片段
    return f'{prefix}{cleaned_content}{suffix}'

# 执行修复
fixed_json = re.sub(pattern, clean_inner_quotes, malformed_json, flags=re.DOTALL)

# 验证解析结果
try:
    parsed_data = json.loads(fixed_json)
    print("✅ JSON解析成功！")
    print("清理后的content内容：", parsed_data['content'])
except json.JSONDecodeError as e:
    print(f"❌ 解析失败，错误信息：{e}")

关键细节说明 #

1. 非贪婪匹配.*?：确保我们不会把后面其他字段的结构引号误包含进来，只会匹配到当前content字段的结尾引号。
2. re.DOTALL标志：让正则里的.可以匹配换行符，避免content值包含换行时匹配失败。
3. 正向断言(?=[,}])：确保我们匹配的结尾引号是JSON结构的一部分，进一步提升匹配的精准度。

如果你的场景里content值内的意外引号是单引号（不过单引号不会导致JSON解析失败，因为JSON字符串默认用双引号），只需把替换逻辑里的'"'改成"'"即可。

内容的提问来源于stack exchange，提问作者Kai Wang