使用正则表达式替换 json 中的额外引号

Question

我的 json 字符串中出现意外引用，导致 json.loads(jstr) 失败。

json_str = '''{"id":"9","ctime":"2018-02-13","content":"abcd: "efg.","hots":"103b","date_sms":"2017-11-22"}'''

所以我想用正则表达式来匹配删除"content"值里面的引号。我在 other solution:

中尝试了一些东西

import re
json_str = '''{"id":"9","ctime":"2018-02-13","content":"abcd: "efg.","hots":"103b","date_sms":"2017-11-22"}'''
pa = re.compile(r'(:\s+"[^"]*)"(?=[^"]*",)')
pa.findall(json_str)

[out]: []

有什么方法可以修复字符串吗？

Answer 1

正如@jonrsharpe 所指出的，清理源代码会好得多。
也就是说，如果您无法控制额外引用的来源，您可以使用 (*SKIP)(*FAIL) 使用较新的 regex 模块和否定。像这样环顾四周：

"[^"]+":\s*"[^"]+"[,}]\s*(*SKIP)(*FAIL)|(?<![,:])"(?![:,]\s*["}])

参见a demo on regex101.com。

在 Python:

import json, regex as re

json_str = '''{"id":"9","ctime":"2018-02-13","content":"abcd: "efg.","hots":"103b","date_sms":"2017-11-22"}'''

# clean the json
rx = re.compile('''"[^"]+":\s*"[^"]+"[,}]\s*(*SKIP)(*FAIL)|(?<![,:])"(?![:,]\s*["}])''')
json_str = rx.sub('', json_str)

# load it

json = json.loads(json_str)
print(json['id'])
# 9

Answer 2

我使用的可能解决方案：

whole = []
count = 0
with open(filename) as fin:
    for eachline in fin:
        pa = re.compile(r'"content":\s?"(.*?","\w)')
        for s in pa.findall(eachline):
            s = s[:-4]
            s_fix = s.replace("\"","")
            eachline = eachline.replace(s,s_fix)

        data = json.loads(eachline)
        whole.append(data)

使用正则表达式替换 json 中的额外引号

use regular expression to replace extra quote inside json

python

regex

regular-language