在Python中使用JSON時(shí)的注意事項(xiàng)

這篇文章主要介紹在Python中使用JSON時(shí)的注意事項(xiàng)，文中介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們一定要看完！

在 Python 中使用 JSON 時(shí)需要注意的編碼問題

寫這篇文章的緣由是我使用 reqeusts 庫(kù)請(qǐng)求接口的時(shí)候, 直接使用請(qǐng)求參數(shù)里的 json 字段發(fā)送數(shù)據(jù), 但是服務(wù)器無(wú)法識(shí)別我發(fā)送的數(shù)據(jù), 

排查了好久才知道 requests 內(nèi)部是使用 json.dumps 將字符串轉(zhuǎn)成 json 的, 而 json.dumps 默認(rèn)情況下會(huì)將 非ASCII 字符轉(zhuǎn)義, 也就是

我發(fā)送數(shù)據(jù)中的中文被轉(zhuǎn)義了, 所以服務(wù)器無(wú)法識(shí)別. 這篇文章雖然是 json.dumps 問題的總結(jié), 但也會(huì)涉及到 字符編碼 問題, 所以就簡(jiǎn)單

先說一下 字符編碼.

Python 中的字符編碼

在 Python3 中, 字符 在內(nèi)存中是使用 Unicode 存儲(chǔ)的, 常規(guī)的字符使用 兩個(gè)字節(jié) 表示, 一些很生僻的字符就需要 四個(gè)字節(jié). 默認(rèn)使用 

Unicode 存儲(chǔ)是什么意思呢, 那就是例子來解釋一下, 在 Python Shell 中輸入以下字符串 '\u4e2d\u6587', 觀察其輸出:

In [51]: '\u4e2d\u6587'
Out[51]: '中文'

輸出的為 中文 兩個(gè)字. 其實(shí) \u4e2d 和 \u6587 分別表示 中 和 文 的 Unicode 編碼（術(shù)語(yǔ)稱為 碼點(diǎn)）的 十六進(jìn)制 表示, 在 Python3 中

以 \u 開頭的字符串被解析為 Unicode 字符, 然后通過其十六進(jìn)制 碼點(diǎn) 解析出具體的字符, 所以 中文 的內(nèi)存表示即為 \u4e2d\u6587.

獲取字符 Unicode 碼點(diǎn)

標(biāo)準(zhǔn)庫(kù)提供了 ord 函數(shù)獲取一個(gè)字符的 Unicode 碼點(diǎn), 使用 chr 函數(shù)將 碼點(diǎn) 轉(zhuǎn)換成 字符, 下面是示例:

In [54]: ord('中')
Out[54]: 20013

In [56]: chr(20013)
Out[56]: '中'

輸出的 碼點(diǎn) 是使用 十進(jìn)制 表示的, 可以使用以下代碼將十進(jìn)制數(shù)字格式化成十六進(jìn)制字符串:

'{0:04x}'.format(20013)

使用 json.dumps

有了前面的鋪墊, 就可以來說說 json.dumps 了. 下面以一個(gè)例子展開:

In [121]: json.dumps('中文', ensure_ascii=True)
Out[121]: '"\\u4e2d\\u6587"'

In [122]: json.dumps('中文', ensure_ascii=False)
Out[122]: '"中文"'

可以看到, 在 ensure_ascii 為 True 的情況下, 中文 被編碼成了 Unicode 碼, 為 False 才能正常顯示, 但參數(shù)名為什么叫 ensure_ascii 呢? 

來看一下 官方文檔 對(duì)這個(gè)參數(shù)的解釋:

如果 ensure_ascii 是 true （即默認(rèn)值），輸出保證將所有輸入的非 ASCII 字符轉(zhuǎn)義。如果 ensure_ascii 是 false，這些字符會(huì)
原樣輸出。

現(xiàn)在稍微明白了, 在 ensure_ascii 為 True 的情況下, 如果字符串中存在 非ASCII 字符就將其轉(zhuǎn)義, 根據(jù)結(jié)果可以知道這個(gè)字符被轉(zhuǎn)義為 

Unicode 編碼并格式化成了一個(gè)字符串, 注意 "\\u4e2d\\u6587" 與 "\u4e2d\u6587" 是不同的, 前者是長(zhǎng)度為 12 的字符串, 后者則會(huì)被 

Python 直接解析為 中文, 長(zhǎng)度為 2. 這也就是我一開始出現(xiàn)的問題, 直接將轉(zhuǎn)義的字符串在網(wǎng)絡(luò)上傳輸可能會(huì)無(wú)法被識(shí)別. 比如 中文 被轉(zhuǎn)

義成 \\u4e2d\\u6587, 而服務(wù)器如果不知道它是被轉(zhuǎn)義過的字符串, 那它就是一個(gè)長(zhǎng)度為 12 的普通字符串, 肯定會(huì)識(shí)別出錯(cuò). 而將 

ensure_ascii 設(shè)為 False 就不會(huì)進(jìn)行轉(zhuǎn)義, 使用原始字符.

識(shí)別轉(zhuǎn)義字符

如果服務(wù)器收到數(shù)據(jù)后發(fā)現(xiàn)是被轉(zhuǎn)化過的, 那怎么識(shí)別呢? 其實(shí)被轉(zhuǎn)義字符串與使用 unicode_escape 對(duì)字符串進(jìn)行編碼再使用 utf-8 進(jìn)

行解碼的結(jié)果一致, 代碼如下:

In [129]: msg
Out[129]: '中文'

In [130]: msg.encode('unicode_escape').decode('utf-8')
Out[130]: '\\u4e2d\\u6587'

所以識(shí)別只要反過來使用 utf-8 編碼再使用 unicode_escape 解碼就可以了.

轉(zhuǎn)義是如何進(jìn)行的

現(xiàn)在來看一下 json.dumps 到底是怎么對(duì)字符進(jìn)行轉(zhuǎn)義的. 在 json.dumps 源碼中仔細(xì)調(diào)試的話會(huì)發(fā)現(xiàn), 它調(diào)用的是 

JSONEncoder.encode 方法, 而 encode 中的代碼片段如下:

if self.ensure_ascii:
    return encode_basestring_ascii(o)
else:
    return encode_basestring(o)

它會(huì)根據(jù) ensure_ascii 的值選擇調(diào)用函數(shù). 而 encode_basestring_ascii 的值是 (c_encode_basestring_ascii or 

py_encode_basestring_ascii), 也就是默認(rèn)是用 C 實(shí)現(xiàn)的版本, 其次使用 Python 實(shí)現(xiàn)的版本, 既然有 Python 版本, 當(dāng)然要看一下是怎么

實(shí)現(xiàn)的, py_encode_basestring_ascii 可以直接使用 from json.encoder import py_encode_basestring_ascii 導(dǎo)入, 直接在其內(nèi)部就可

以調(diào)試. 下面是其源碼:

def py_encode_basestring_ascii(s):
    """Return an ASCII-only JSON representation of a Python string

    """
    def replace(match):
        s = match.group(0)
        try:
            return ESCAPE_DCT[s]
        except KeyError:
            n = ord(s)
            if n < 0x10000:
                return '\\u{0:04x}'.format(n)
                #return '\\u%04x' % (n,)
            else:
                # surrogate pair
                n -= 0x10000
                s1 = 0xd800 | ((n >> 10) & 0x3ff)
                s2 = 0xdc00 | (n & 0x3ff)
                return '\\u{0:04x}\\u{1:04x}'.format(s1, s2)
    return '"' + ESCAPE_ASCII.sub(replace, s) + '"'

從最后的 return 可以看到它實(shí)際上是 正則匹配替換 然后在前后添加 雙引號(hào). ESCAPE_ASCII 的定義如下:

ESCAPE_ASCII = re.compile(r'([\\"]|[^\ -~])')

其中 ([\\"] 用于匹配 \\ 和 ", 而 [^\ -~] 表示 \ -~ 取反（這里的反斜杠貌似是對(duì)空格進(jìn)行轉(zhuǎn)義, 我不是很理解, 不進(jìn)行轉(zhuǎn)義依舊可以匹配

到）, 在 ASCII 表里, 空格字符 對(duì)應(yīng)十進(jìn)制是 40, ~ 是 176, 這是所有的 可打印字符, 取反就是所有編碼不在 40 ~ 176 的字符, 所以中文

就會(huì)被匹配到, 下面為 ASCII表:

對(duì)于匹配到的字符, 會(huì)傳入回調(diào)函數(shù) replace 做轉(zhuǎn)義. replace 函數(shù)中的 ESCAPE_DCT 為:

ESCAPE_DCT = {
    '\\': '\\\\',
    '"': '\\"',
    '\b': '\\b',
    '\f': '\\f',
    '\n': '\\n',
    '\r': '\\r',
    '\t': '\\t',
}

先從 ESCAPE_DCT 中獲取 制表符、換行符 等常用字符的轉(zhuǎn)義, 如果失敗就獲取它的 Unicode 碼點(diǎn), 然后判斷是否為小于 0x10000 即是

否為 兩字節(jié) 字符（兩字節(jié)最大為 0xFFFF ） , 如果是就格式化為 Unicode 碼, 如果不是就使用 四字節(jié) 表示.

所以在使用 requests 時(shí), 如果數(shù)據(jù)要使用 json 傳輸并且有 中文, 那么需要手動(dòng)將 字典 進(jìn)行 dump.

以上是在Python中使用JSON時(shí)的注意事項(xiàng)的所有內(nèi)容，感謝各位的閱讀！希望分享的內(nèi)容對(duì)大家有幫助，更多相關(guān)知識(shí)，歡迎關(guān)注億速云行業(yè)資訊頻道！