json.dumps 和 json.loads 在任何字符串列表上運行是否安全？

Question

當 JSON 序列化/反序列化 Python 中的文本列表時，是否有丟失信息的危險？

給定一個字符串列表lst ：

lst = ['str1', 'str2', 'str3', ...]

如果我跑

lst2 = json.loads(json.dumps(lst))

lst總是與lst2完全相同（即lst == lst2總是會導致True ）？ 或者是否有一些特殊的、不尋常的字符會破壞這些方法中的任何一種？

我很好奇，因為我將處理來自各種 Unicode 范圍的許多不同和不尋常的字符，我想絕對確定這個過程是 100% 健壯的。

Answer 1

取決於您所說的“完全相同”是什么意思。 我們可以確定三個不同的問題：

• 語義身份。 您讀入的內容與您寫回的內容的含義相同，只要它首先是明確定義的。 Python（取決於版本）可能會重新排序字典鍵，並且對於某些代碼點，通常更喜歡 Unicode 轉義而不是文字字符，反之亦然。

   >>> json.loads(json.dumps("\P\\U0001fea5\\U0001f4a9")) 'P\\U0001fea5💩'

• 詞法身份。 不。 如上所示，Unicode 代碼點的 JSON 表示可以通過不同的方式進行規范化，因此\P會變成文字P ，並且可打印的表情符號可能會也可能不會類似地變成 Unicode 轉義符，反之亦然。

  （這與正確的Unicode 規范化不同，后者確保將同形文字轉換為相同的精確代碼點。）

• 進垃圾，出垃圾。 不。 如果您有無效的輸入，Python 通常會崩潰而不是通過它，盡管您可以通過捕獲錯誤和/或傳遞標志來請求不那么嚴格的行為來修改其中的一些。

   >>> json.loads(r'"\\u123\u0026quot;') File "<stdin>", line 1 SyntaxError: (unicode error) 'unicodeescape' codec can't decode bytes in position 0-4: truncated \\uXXXX escape >>> print(json.loads(r'"\?"')) ? >>> #!? should probably crash or moan instead!

您似乎在問第一種情況，但如果您不確定自己已決定如何處理無效的 Unicode 數據，則第三種情況可能會讓您大吃一驚。

如果您關心磁盤上的 JSON 在版本之間是等效的，則第二種情況會有所不同； 這對你來說似乎並不重要，但這個問題的未來訪問者可能會關心。

Answer 2

在某種程度上，是的，它應該是安全的。 但是請注意，JSON 不是根據字節字符串定義的，而是根據 Unicode 文本定義的。 這意味着在執行 json.parse 之前，您需要首先從您使用的任何文本編碼中解碼該字符串。 此 Unicode 編碼/解碼步驟可能會導致不一致。

您可能會遇到的另一個隱含問題是，此過程是否會往返。 答案是，它通常會，但這取決於編碼/解碼過程。 根據處理步驟，您可能正在規范化在 Unicode 中被視為等效但使用不同代碼點組成的不同字符。 例如，像å這樣的重音字符可以使用字母a和組合字符來編碼為復合字符，或者它可以編碼為該字符的規范代碼點。

還有 JSON 轉義字符的問題，它看起來像“\ሴ”。 一旦解碼，Python 不會保留字符最初是使用 JSON 轉義編碼還是作為 Unicode 字符編碼，因此您也會丟失該信息，並且在這種情況下文本可能無法完全往返。

除了 Unicode 書呆子的深角中關於等效字符和規范化的那些問題之外，從/到 JSON 本身的編碼和解碼是非常安全的。