使用pd.read_json加载亚马逊评论JSON至pandas DataFrame遇解码错误

嘿，这个问题我之前帮不少开发者排查过！你碰到的Unmatched ''"' when decoding 'string'错误，主要是两个原因叠加导致的：一是亚马逊评论的JSON文件几乎都是JSON Lines格式（每行一条独立的JSON对象，不是用[]包裹的标准JSON数组），二是部分行里的引号可能没正确转义。

下面给你两个实用的解决方案：

方案1：直接用pandas的lines参数（优先尝试） #

亚马逊评论数据集默认是每行一个JSON对象，而pd.read_json()默认会按标准JSON数组解析，所以加上lines=True就能让pandas正确识别这种格式，同时指定编码避免乱码问题：

import pandas as pd

# 替换成你的文件路径
df = pd.read_json('amazon_reviews.json', lines=True, encoding='utf-8')

如果还是报引号错误，可能是个别行的转义不规范，试试方案2。

方案2：逐行解析并跳过错误行 #

这个方法能帮你定位到具体出错的行，避免因为个别坏数据导致整个文件加载失败：

import json
import pandas as pd

review_data = []
with open('amazon_reviews.json', 'r', encoding='utf-8') as f:
    for line_number, line in enumerate(f, start=1):
        try:
            # 解析每行的JSON对象
            review_obj = json.loads(line.strip())
            review_data.append(review_obj)
        except json.JSONDecodeError as err:
            # 打印出错行号和错误信息，方便后续排查修正
            print(f"第{line_number}行解析失败: {err}")
            continue

# 把解析成功的数据转成DataFrame
df = pd.DataFrame(review_data)

补充说明 #

你提供的示例数据里，reviewerName字段的\"Acknud\"是正确的转义格式，但如果文件里存在未转义的双引号（比如直接写"William B. Bebout "Acknud""），就会触发解码错误。逐行解析的方式能帮你快速定位这些问题行，你可以选择跳过或者手动修正它们。

内容的提问来源于stack exchange，提问作者abhi