用 Python 读取自建 JSON 文件并处理格式错误

本指南只讨论读取你自己创建的 JSON 文件，不涉及从网络或他人处获取的数据。JSON 是由 RFC 7159 和 ECMA-404 规定的轻量级数据交换格式，Python 的 json 模块提供了相应的编码器和解码器。在开始前，请确保你已安装 Python 3，并准备一个用于练习的目录。

重要提醒：操作前请备份你的文件，避免意外覆盖或丢失。本指南中的示例文件均为自建，不会修改系统文件或执行删除操作。

关于编码：json.load 的 fp 参数可以是文本文件或二进制文件。当传入二进制文件时，输入编码应为 UTF-8、UTF-16 或 UTF-32。RFC 要求 JSON 使用 UTF-8、UTF-16 或 UTF-32 表示，其中 UTF-8 是推荐默认值。为了明确和可移植，本指南建议始终以 UTF-8 编码保存和读取 JSON 文件。

1. 创建一个自建的 JSON 文件，例如 data.json，内容如下（注意使用双引号，不要使用单引号或尾随逗号）：

{
  "name": "示例项目",
  "version": 1,
  "tags": ["python", "json"],
  "active": true
}

2. 使用 Python 的 json.load 读取该文件。以下代码以 UTF-8 编码打开文件，并打印解析后的 Python 对象：

import json

with open('data.json', 'r', encoding='utf-8') as f:
    data = json.load(f)

print(data)
print(type(data))

运行后，你会看到类似 {'name': '示例项目', 'version': 1, 'tags': ['python', 'json'], 'active': True} 的输出，类型为 dict。

3. 处理格式错误。如果 JSON 文件格式不正确，json.load 会抛出 json.JSONDecodeError 异常。你可以用 try...except 捕获它，并利用异常对象的属性定位问题：

import json

try:
    with open('data.json', 'r', encoding='utf-8') as f:
        data = json.load(f)
except json.JSONDecodeError as e:
    print(f'JSON 格式错误：{e.msg}')
    print(f'错误位置：第 {e.lineno} 行，第 {e.colno} 列')
    print(f'出错字符索引：{e.pos}')

JSONDecodeError 是 ValueError 的子类，其额外属性包括 msg、doc、pos、lineno 和 colno，可以帮助你定位错误位置。

4. 故意制造一个错误来观察效果。将 data.json 中的某个键值对末尾的逗号去掉，或者把双引号改成单引号，再次运行上述代码，就会看到具体的错误信息。

问：为什么读取时提示编码错误？

答：如果数据不是 UTF-8、UTF-16 或 UTF-32 编码，可能会引发 UnicodeDecodeError。建议统一使用 UTF-8 保存文件，并在 open 时指定 encoding='utf-8'。

问：如果 JSON 文件中有重复的键怎么办？

答：RFC 规定 JSON 对象中的名称应当唯一，但未强制规定如何处理重复名称。默认情况下，json 模块不会报错，而是只保留最后一个键值对。例如 '{"x": 1, "x": 2, "x": 3}' 解析后得到 {'x': 3}。如果需要自定义处理，可以使用 object_pairs_hook 参数。

问：能否读取包含 NaN 或 Infinity 的文件？

答：RFC 不允许表示无穷或 NaN 数值。尽管如此，默认情况下 json 模块接受并输出 Infinity、-Infinity 和 NaN，就好像它们是合法的 JSON 数字字面量。在反序列化器中，可以使用 parse_constant 参数来改变这一行为。

1. 本指南仅操作自建示例文件，请勿对重要文件直接进行修改。操作前务必备份。

2. 不要执行危险删除或系统修改命令。本指南不涉及此类操作。

3. 解析来自不可信来源的 JSON 数据时需谨慎，恶意 JSON 字符串可能导致解码器消耗大量 CPU 和内存资源。建议限制待解析数据的大小。

4. 关于编码：json 模块的序列化器默认 ensure_ascii=True，会转义非 ASCII 字符。反序列化时，如果传入二进制文件，输入编码应为 UTF-8、UTF-16 或 UTF-32。本指南明确使用 UTF-8，但不声称这是默认编码。

5. RFC 禁止在 JSON 文本开头添加字节顺序标记（BOM），本模块的序列化器不会在输出中添加 BOM。本模块的反序列化器在输入存在初始 BOM 时会引发 ValueError。

6. 本指南中的示例仅用于演示读取和错误处理，不涉及网络请求、文件写入或系统配置更改。