Python解析Reddit评论JSON时触发JSONDecodeError，求解决方案

兄弟，我帮你捋捋这个问题——你遇到的这个错误本质就是JSON格式不达标，毕竟JSON规范死得很：所有属性名必须用双引号括起来，一点含糊都没有。结合你用的是Reddit评论数据集，我大概率能猜到几个常见坑，给你逐个排查解决：

• 先定位出错的具体行
  你用row = json.loads(row)按行解析文件，那大概率是某一行的JSON格式有问题。先加个异常捕获把错误行揪出来，这样能精准定位问题：

  import json
  
  file_path = 'learn\\learning_data\\2015\\RC_2015-05'
  with open(file_path, 'r', encoding='utf-8') as f:
      for line_num, row in enumerate(f, 1):
          try:
              parsed_row = json.loads(row)
              # 这里写你处理数据的逻辑
          except json.JSONDecodeError as e:
              print(f"第{line_num}行炸了: {e}")
              print(f"出错行内容: {row.strip()}")
              # 要么跳过该行，要么手动修复格式
  

  跑这段代码后，你就能看到到底是哪行出问题，比如是不是用了单引号代替双引号，或者括号不匹配、多了逗号之类的。

• 常见问题的快速修复
  如果排查后发现是单引号的问题（比如某行是{'created_utc': '1430438400'}这种），可以用Python的ast.literal_eval()代替json.loads()——它能解析符合Python语法的字典字符串，对单引号兼容：

  import ast
  # 把json.loads(row)换成下面这行
  parsed_row = ast.literal_eval(row)
  

  要是遇到空行或者开头有奇怪的空白字符，记得先清理：

  row = row.strip()
  if not row:
      continue  # 跳过空行
  parsed_row = json.loads(row)
  

• 排查文件编码或格式类型
  有时候文件可能带BOM头（比如UTF-8 BOM），导致解析失败，试试用utf-8-sig编码打开：

  with open(file_path, 'r', encoding='utf-8-sig') as f:
      # 后续逻辑不变
  

  另外确认下文件是不是JSON Lines格式（每行一个独立JSON），要是整个文件是一个大数组（开头[结尾]），那得整个文件读取解析：

  with open(file_path, 'r', encoding='utf-8') as f:
      all_data = json.load(f)
  for parsed_row in all_data:
      # 处理每个评论
  

内容的提问来源于stack exchange，提问作者Tom Jaquo