使用nlohmann json解析含Unicode字符的JSON文件时遇解码错误

你遇到的错误核心在于：JSON文件里的\xc3\xad是C/C++风格的十六进制字节转义，但JSON标准只认可特定的转义序列：

• 基础转义：\"、\\、\/、\b、\f、\n、\r、\t
• Unicode转义：\uXXXX（四位十六进制数，对应单个Unicode码点）

nlohmann的JSON解析器严格遵循JSON规范，完全不识别\x开头的转义格式，所以才会抛出unknown character after backslash 'Bras\x'的错误。

方案1：修复JSON文件（推荐） #

直接把JSON里的C风格转义改成JSON兼容的格式，有两种简单方式：

1. 直接使用UTF-8编码的字符í，修正后的JSON内容：

[ { "code":"BR", "name":"Brazil", "capital":"Brasília" } ]

2. 使用JSON标准的Unicode转义\u00ED（对应字符í），修正后的JSON：

[ { "code":"BR", "name":"Brazil", "capital":"Bras\u00EDlia" } ]

修改完成后，你原来的解析代码就能正常运行了。

方案2：预处理文件内容（无法修改JSON时使用） #

如果没办法修改原始JSON文件，可以在解析前先读取文件内容，把\xXX格式的转义转换成对应的UTF-8字节，再交给nlohmann解析。示例代码如下：

#include <fstream>
#include <string>
#include <regex>
#include <stdexcept>
#include <nlohmann/json.hpp>

using json = nlohmann::json;

std::string preprocess_json_content(const std::string& file_path) {
    // 读取文件全部内容
    std::ifstream ifs(file_path);
    if (!ifs.is_open()) {
        throw std::runtime_error("Failed to open file");
    }
    std::string content((std::istreambuf_iterator<char>(ifs)), std::istreambuf_iterator<char>());
    
    // 正则匹配所有 \xXX 格式的转义
    std::regex hex_escape(R"(\\x([0-9a-fA-F]{2}))");
    content = std::regex_replace(content, hex_escape, [](const std::smatch& match) {
        // 将十六进制字符串转换为对应的字符
        char byte = static_cast<char>(std::stoul(match[1].str(), nullptr, 16));
        return std::string(1, byte);
    });
    
    return content;
}

int main() {
    try {
        std::string processed_content = preprocess_json_content("resources/countries.json");
        json j2 = json::parse(processed_content);
        
        // 测试输出
        std::cout << "Capital of Brazil: " << j2[0]["capital"] << std::endl;
    } catch (const std::exception& e) {
        std::cerr << "Error: " << e.what() << std::endl;
        return 1;
    }
    return 0;
}

这段代码会把所有\xXX转义替换成对应的字节，比如\xc3\xad会被转换成UTF-8编码的í字符，这样解析器就能正常处理了。

内容的提问来源于stack exchange，提问作者Arslan