使用 json.loads() 保留 unicode 字符或在执行 json.dumps() 时将它们转换回

Question

我有一个 json 文件，其中包含 unicode 字符\<和\> \< 。 使用 json.load() 加载文件时，这些字符会转换为<和> 。 考虑以下实验：

d = json.loads('"Foo \u003cfoo@bar.net\u003e"')

然后打印如下：

'Foo <foo@bar.net>'

假设我需要将其转储回文件，并且需要将字符<和>转换回\<和\> \< 。 我目前正在使用f.write(json.dumps(d))但这似乎不起作用。

我已经搜索了几个小时，但无法弄清楚这一点。

Answer 1

好吧，在这里了解 Python 解释器在做什么会很有用。

当解释器找到字符串字面量的开头时

在你的源代码中，你有这样一段文字：

'"Foo \u003cfoo@bar.net\u003e"'

当解析器找到第一个字符' ，它得出结论：“这是一个字符串文字！在找到下一个' ，我应该获取所有字符并将其放入一个列表中，以用作字符串。” 因此，假设它在内存中创建了以下列表：

[]

然后它找到下一个字符" 。由于字符串文字没有关闭（因为没有找到' ），它将它添加到列表中。作为计算机中的一切，字符都表示为数字。数字是它的 Unicode 点，对于"代码点是 34：

[ 34 ]
#  "

它对下一个字符执行相同的操作，将它们的代码点放在列表中：

[ 34   70  111  111   32 ]
#  "    F    o    o       

源代码中的\\和u字符

现在，解释器找到了字符\\ 。 但这根本不是一个常见的字符！ 对于解释器来说，这意味着接下来的字符不代表他们自己，而是应该被解释。 所以解释器不会将\\添加到列表中，并让下一个解释器了解应该做什么。 这就是结果中没有\\的原因。

下一个字符是u 。 由于它以\\为前缀，解释器不会将其插入到列表中。 相反， \\u\u003c/code>对被解释为获取接下来的四个字符的命令，并将它们转换为十六进制数。 这就是结果中没有\\u\u003c/code>的原因。

六个字符如何变成只有一个

接下来的四个字符是0 、 0 、 3和c 。 它们形成 0x3C 十六进制数，即十进制形式的 60。 所以它被添加到列表中：

[ 34   70  111  111   32   60 ]
#  "    F    o    o         <

好吧，60 在 Unicode 中是< 。 这就是为什么你的结果中有一个< 。 这就是为什么六个字符（ \\ 、 u 、 0 、 0 、 3 、 c ）在程序运行时实际上只代表一个（ > ）的原因。

如何得到你想要的

当然，您可能希望在结果字符串中包含字符\\ 、 u等。 如果是这样，Python 会给你一些选择，最简单的一个是原始字符串文字。 为此，您只需要在字符串文字前加上r前缀，如下所示：

r'"Foo \u003cfoo@bar.net\u003e"'

当解释器解析源代码中的r ，然后是引号（例如' ）时，它知道它是一个字符串文字，但该字符串文字根本没有解释\\ 。 它里面的所有东西都将按照在源代码中输入的方式使用。 这带来了类似于您似乎想要的结果：

>>> print('"Foo \u003cfoo@bar.net\u003e"')
"Foo <foo@bar.net>"
>>> print(r'"Foo \u003cfoo@bar.net\u003e"')
"Foo \u003cfoo@bar.net\u003e"

小心你的愿望

但是请注意，这些字符串完全不同！ 甚至它们的大小也大不相同，因为第二个字符更多：

>>> len('"Foo \u003cfoo@bar.net\u003e"')
19
>>> len(r'"Foo \u003cfoo@bar.net\u003e"')
29

现在，我不得不说，您可能不想在这里使用原始字符串。 您可能只想用 Unicode 点表示字符串，但这也引出了为什么. 无论如何，现在由你决定你想要什么:)