如何使用Python格式化/修复含无效collection_id的JSON数据

嘿，这个问题我碰到过好几次了——你的JSON因为collection_id字段没有值直接跟了个逗号，属于明显的语法错误，标准JSON解析器肯定没法直接解析。下面给你几个实用的解决办法：

方法1：手动修复原始JSON字符串 #

如果这个JSON是你能直接修改的静态内容，最简单的方式就是直接补全collection_id的值，顺便修正其他小问题（比如state2后面多余的逗号、udp_signaling_config里不完整的键值对）。修复后的合法JSON示例如下：

{ 
  "status": { 
    "state1": "retrying", 
    "state2": "poll"
  }, 
  "conn_info": { 
    "version": "0.0", 
    "protocol_config": { 
      "check_conp": false, 
      "max_tunnel_i": 0, 
      "collection_id": "",  // 这里改成空字符串或者0都可以
      "descriptor": 0, 
      "signature_key": "", 
      "protocol_switching_policy": "udp_only", 
      "udp_signaling_config": { "polling": "" } 
    } 
  }

改完之后，任何标准JSON解析器都能正常解析它。

方法2：代码动态修复（以Python为例） #

如果这个JSON是动态获取的（比如从接口返回、日志里读取），没法手动修改，那就先对字符串做预处理，把错误的"collection_id": ,替换成合法的键值对。

基础字符串替换 #

import json

# 原始无效JSON字符串
invalid_json = '''{ 
  "status": { 
    "state1": "retrying", 
    "state2": "poll", 
  }, 
  "conn_info": { 
    "version": "0.0", 
    "protocol_config": { 
      "check_conp": false, 
      "max_tunnel_i": 0, 
      "collection_id": , 
      "descriptor": 0, 
      "signature_key": "", 
      "protocol_switching_policy": "udp_only", 
      "udp_signaling_config": { "polling..." } 
    } 
  }
'''

# 先修复collection_id字段，替换成空字符串（换成0也可以）
fixed_json = invalid_json.replace('"collection_id": ,', '"collection_id": ""')
# 顺便修复其他语法错误
fixed_json = fixed_json.replace('"state2": "poll", ', '"state2": "poll"')
fixed_json = fixed_json.replace('"udp_signaling_config": { "polling..." }', '"udp_signaling_config": { "polling": "" }')

# 现在可以正常解析了
try:
    parsed_data = json.loads(fixed_json)
    print("解析成功：", parsed_data)
except json.JSONDecodeError as e:
    print("还有语法问题：", e)

更灵活的正则替换 #

如果collection_id后面可能有空格（比如"collection_id": ,），用正则表达式替换更稳妥：

import re
fixed_json = re.sub(r'"collection_id":\s*,', '"collection_id": ""', invalid_json)

方法3：用容错解析库偷懒 #

要是不想自己处理字符串，可以用一些支持“不严格JSON”的解析库，比如Python的json5或者demjson，它们能解析这种有语法小错误的内容。举个json5的例子：

import json5

# 直接解析无效JSON
parsed_data = json5.loads(invalid_json)
# 检查并设置collection_id的值
proto_config = parsed_data['conn_info']['protocol_config']
if 'collection_id' not in proto_config or proto_config['collection_id'] is None:
    proto_config['collection_id'] = ""  # 或者设置为0

不过要注意，这类容错库可能会有意外的解析结果，优先推荐前两种方法哦。

内容的提问来源于stack exchange，提问作者Sum