一日一技:破译反斜杠数量问题的密码

“大家在开发Python的过程中,一定会遇到很多反斜杠的问题,很多人被反斜杠的数量搞得头大。这期我们就来介绍一下如何处理这些让人头疼的反斜杠。”

首先我们写一段非常简单的Python代码,它的作用是把一个字段先转换为JSON格式的字符串,然后把这个字符串再转换为JSON格式的字符串:

import json

info = {'name': 'kingname', 'address': '杭州', 'salary': 99999}

info_json = json.dumps(info)

第一次转换以后,打印出来

print(info_json)

info_json_json = json.dumps(info_json)

第二次转换以后,再打印出来

print(info_json_json)

运行效果图

第一次:

字典转成JSON格式的字符串,只有中文 杭州 变成了Unicode编码 \u676d\u5dde ,其余地方没有出现反斜杠。

在Python里面,反斜杠不能单独出现 ,这里 \u676d\u5dde 中的两个反斜杠,实际上应该是 \u 。表示这两个编码是Unicode编码。

接下来:

把第一次生成的JSON字符串: {"name": "kingname", "address": "\u676d\u5dde", "salary": 99999} 再一次转成JSON格式的字符串。

"{\"name\": \"kingname\", \"address\": \"\\u676d\\u5dde\", \"salary\": 99999}"

效果图

为什么突然出现了这么多反斜杠?

这是因为,JSON格式的字符串本身是使用双引号来表示字符串的。如果原来的字符串里面本身就有双引号,那就会导致混淆。此时,Python需要把原来字符串的双引号变成普通的字符,失去双引号的作用。因此使用\"让双引号变成普通的字符。

这就相当于在Python中,可以这样定义一个包含双引号的字符串:

>>> a = "跟我说:\"你好\""

>>> print(a)

跟我说:"你好"

这里, 你好 两侧的双引号都加上了反斜杠,让它成为普通的字符,防止它们提前与最外层的双引号配对。

如果不加反斜杠,就会导致字符串里面的双引号提前与外层的双引号配对,引起语法错误:

>>> b = "跟我说:"你好""

File "<stdin>", line 1

b = "跟我说:"你好""

^

SyntaxError: invalid syntax

在这里, "跟我说:" 成为了一个字符串,末尾的 "" 成为了一个空字符串。那么中间的 你好 就变成了一个没有定义的变量。而Python里面,是不存在 字符串未定义的变量字符串 这种写法的,所以会报语法错误。

而JSON格式的字符串,本质上也是字符串,所以自然而然也需要遵循这样的规则。因此,字符串原来自带的双引号左侧就被加上了反斜杠。

原来的 \u676d\u5dde 为什么变成了 \\u676d\\u5dde

这是因为,当第二次执行 json.dumps 的时候,传入的参数是一个JSON格式的字符串,本质就是字符串。而一个字符串里面如果自带反斜杠,那么JSON在对他再次转换的时候,需要标记这是一个普通的字符串形式的反斜杠,不是一个有特殊意义的反斜杠,所以使用 \\ 表示一个普通的反斜杠。

好了,那么你可以猜一下,如果把 info_json_json json.dumps 一下会怎么样?

会变成:

"\"{\\\"name\\\": \\\"kingname\\\", \\\"address\\\": \\\"\\\\u676d\\\\u5dde\\\", \\\"salary\\\": 99999}\""

为什么出现了三个反斜杠连用和四个反斜杠连用的问题?

实际上非常简单,当你对 info_json_json 执行 json.dumps 的时候,Python是怎么转换的?

我们来看:

"{\"name\": \"kingname\", \"address\": \"\\u676d\\u5dde\", \"salary\": 99999}"

字符串 执行 json.dumps 的时候,记住一个关键方法——从左到右,一个字符一个字符的转换。

1. 第一个字符是双引号,所以变成\"

2. 第二个字符是{,不是特殊符号,保留

3. 第三个字符是\,把它变成\\

4. 第四个字符是",把它变成\"

5. ……

全部执行完成了,由于这次转换是把一个字符串转换为JSON格式的字符串,所以最外侧加上双引号。

于是就得到了:

"\"{\\\"name\\\": \\\"kingname\\\", \\\"address\\\": \\\"\\\\u676d\\\\u5dde\\\", \\\"salary\\\": 99999}\""

我们在爬虫开发过程中,可能会遇到上面这种经过多次JSON转换后的字符串。

此时,千万不要轻易使用字符串的 .replace 方法 把多个反斜杠替换为空或者把两个反斜杠替换为一个反斜杠。那样做只会导致你的数据更难解析。

正确的做法应该是尝试对数据一层一层使用 json.loads ,把它一层一层h,还原到最初的 {'name': 'kingname', 'address': '杭州', 'salary': 99999} 这种简单形式。

提问环节

好了,今天的介绍就到这里,最后留一个 思考题

还是上面的代码,现在把 PyCharm的调试模式 打开,然后数一数 info_json info_json_json 里面反斜杠的个数。

如图所示

1、为什么在 info_json 里面,出现了 \\u676d\\u5dde

2、为什么在 info_json_json 里面双引号前是两根反斜杠,而 \"\\u676d\\u5dde\" 竟然变成了 \\"\\\\u676d\\\\u5dde

欢迎大家踊跃留言发表自己的观点,

最终解答欢迎关注下期推送。

大家好,我是老表

觉得本文不错的话,转发、留言、点赞,是对我最大的支持。

每日 留言

说说你读完本文感受?

或者一句激励自己的话?

(字数不少于15字)

怎么 加入 习队

点我,看文末彩蛋

留言 有啥 福利

点我就知道了

想进学 习交流

微信 jjxksa888

:简说Python

我来评几句
登录后评论

已发表评论数()

相关站点

+订阅
热门文章