Saving utf-8 texts in json.dumps as UTF8, not as u escape sequence
样例代码:
1 2 3 4 | >>> import json >>> json_string = json.dumps("??? ????") >>> print json_string "\u05d1\u05e8\u05d9 \u05e6\u05e7\u05dc\u05d4" |
问题是:它不是人类可读的。我的(智能)用户希望使用JSON转储来验证甚至编辑文本文件。(我宁愿不使用XML)
是否有方法将对象序列化为utf-8 json字符串(而不是uxxxx)?
这没有帮助:
1 2 | >>> output = json_string.decode('string-escape') "\u05d1\u05e8\u05d9 \u05e6\u05e7\u05dc\u05d4" |
这是可行的,但是如果任何子对象是python unicode而不是utf-8,它将转储垃圾:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 | >>> #### ok: >>> s= json.dumps("??? ????", ensure_ascii=False) >>> print json.loads(s) ??? ???? >>> #### NOT ok: >>> d={ 1:"??? ????", 2: u"??? ????" } >>> print d {1: '\xd7\x91\xd7\xa8\xd7\x99 \xd7\xa6\xd7\xa7\xd7\x9c\xd7\x94', 2: u'\xd7\x91\xd7\xa8\xd7\x99 \xd7\xa6\xd7\xa7\xd7\x9c\xd7\x94'} >>> s = json.dumps( d, ensure_ascii=False, encoding='utf8') >>> print json.loads(s)['1'] ??? ???? >>> print json.loads(s)['2'] ××¨× ×|ק×× |
使用
1 2 3 4 5 | >>> json_string = json.dumps(u"??? ????", ensure_ascii=False).encode('utf8') >>> json_string '"\xd7\x91\xd7\xa8\xd7\x99 \xd7\xa6\xd7\xa7\xd7\x9c\xd7\x94"' >>> print json_string "??? ????" |
如果要将此写入文件,可以使用
1 2 | with io.open('filename', 'w', encoding='utf8') as json_file: json.dump(u"??? ????", json_file, ensure_ascii=False) |
在python 3中,内置的
1 2 3 4 | with io.open('filename', 'w', encoding='utf8') as json_file: data = json.dumps(u"??? ????", ensure_ascii=False) # unicode(data) auto-decodes data to unicode if str json_file.write(unicode(data)) |
如果要传入字节字符串(在python 2中键入
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 | >>> d={ 1:"??? ????", 2: u"??? ????" } >>> d {1: '\xd7\x91\xd7\xa8\xd7\x99 \xd7\xa6\xd7\xa7\xd7\x9c\xd7\x94', 2: u'\u05d1\u05e8\u05d9 \u05e6\u05e7\u05dc\u05d4'} >>> s=json.dumps(d, ensure_ascii=False, encoding='utf8') >>> s u'{"1":"\u05d1\u05e8\u05d9 \u05e6\u05e7\u05dc\u05d4","2":"\u05d1\u05e8\u05d9 \u05e6\u05e7\u05dc\u05d4"}' >>> json.loads(s)['1'] u'\u05d1\u05e8\u05d9 \u05e6\u05e7\u05dc\u05d4' >>> json.loads(s)['2'] u'\u05d1\u05e8\u05d9 \u05e6\u05e7\u05dc\u05d4' >>> print json.loads(s)['1'] ??? ???? >>> print json.loads(s)['2'] ??? ???? |
请注意,您的第二个示例不是有效的Unicode;您将utf-8字节作为Unicode文本提供给它,但这将永远无法工作:
1 2 3 4 5 | >>> s = u'\xd7\x91\xd7\xa8\xd7\x99 \xd7\xa6\xd7\xa7\xd7\x9c\xd7\x94' >>> print s ××¨× ×|ק×× >>> print s.encode('latin1').decode('utf8') ??? ???? |
只有当我将该字符串编码为拉丁文1(其Unicode代码点将一对一映射到字节)然后解码为UTF-8时,您才能看到预期的输出。这与JSON无关,与使用错误的输入有关。结果被称为mojibake。
如果您从字符串文字中获得该Unicode值,则使用错误的编解码器对其进行解码。可能是您的终端配置错误,或者您的文本编辑器使用不同于您告诉Python读取文件的编解码器保存了源代码。或者您从应用了错误编解码器的库中获得它。这一切都与JSON库无关。
写入文件
1 2 3 4 5 6 7 8 9 | import codecs import json with codecs.open('your_file.txt', 'w', encoding='utf-8') as f: json.dump({"message":"xin chào vi?t nam <div class="suo-content">[collapse title=""]<ul><li>语法错误:文件json-utf8.py第5行中有非ASCII字符'xc3',但未声明编码;有关详细信息,请参阅python.org/dev/peps/pep-0263。</li><li>谢谢您!我没想到这么简单。如果要转换为JSON的数据是不受信任的用户输入,则只需小心。</li><li>@亚历克斯,你知道如何避免这个问题了吗?</li><li>@坦率地说,我不记得了。把代码片段放在一边并不重要:(</li><li>最好的尝试,超级</li></ul>[/collapse]</div><p><center>[wp_ad_camp_1]</center></p><hr><P>更新:这是一个错误的答案,但是理解它的错误原因仍然很有用。请参阅评论。</P><P>埃多克斯1〔14〕怎么样?</P>[cc lang="python"]>>> d = {1:"??? ????", 2: u"??? ????"} >>> json_str = json.dumps(d).decode('unicode-escape').encode('utf8') >>> print json_str {"1":"??? ????","2":"??? ????"} |
Peters的python 2解决方案在边缘情况下失败:
1 2 3 4 5 6 7 8 9 10 | d = {u'keyword': u'bad credit \xe7redit cards'} with io.open('filename', 'w', encoding='utf8') as json_file: data = json.dumps(d, ensure_ascii=False).decode('utf8') try: json_file.write(data) except TypeError: # Decode data to Unicode first json_file.write(data.decode('utf8')) UnicodeEncodeError: 'ascii' codec can't encode character u'\xe7' in position 25: ordinal not in range(128) |
它在第3行的.decode("utf8")部分崩溃。我通过避免该步骤以及ASCII的特殊大小写使程序变得更简单来解决这个问题:
1 2 3 4 5 6 | with io.open('filename', 'w', encoding='utf8') as json_file: data = json.dumps(d, ensure_ascii=False, encoding='utf8') json_file.write(unicode(data)) cat filename {"keyword":"bad credit ?redit cards"} |
The following is my understanding var reading answer above and google.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 | # coding:utf-8 r""" @update: 2017-01-09 14:44:39 @explain: str, unicode, bytes in python2to3 #python2 UnicodeDecodeError: 'ascii' codec can't decode byte 0xe4 in position 7: ordinal not in range(128) #1.reload #importlib,sys #importlib.reload(sys) #sys.setdefaultencoding('utf-8') #python3 don't have this attribute. #not suggest even in python2 #see:http://stackoverflow.com/questions/3828723/why-should-we-not-use-sys-setdefaultencodingutf-8-in-a-py-script #2.overwrite /usr/lib/python2.7/sitecustomize.py or (sitecustomize.py and PYTHONPATH=".:$PYTHONPATH" python) #too complex #3.control by your own (best) #==> all string must be unicode like python3 (u'xx'|b'xx'.encode('utf-8')) (unicode 's disappeared in python3) #see: http://blog.ernest.me/post/python-setdefaultencoding-unicode-bytes #how to Saving utf-8 texts in json.dumps as UTF8, not as \u escape sequence #http://stackoverflow.com/questions/18337407/saving-utf-8-texts-in-json-dumps-as-utf8-not-as-u-escape-sequence """ from __future__ import print_function import json a = {"b": u"中文"} # add u for python2 compatibility print('%r' % a) print('%r' % json.dumps(a)) print('%r' % (json.dumps(a).encode('utf8'))) a = {"b": u"中文"} print('%r' % json.dumps(a, ensure_ascii=False)) print('%r' % (json.dumps(a, ensure_ascii=False).encode('utf8'))) # print(a.encode('utf8')) #AttributeError: 'dict' object has no attribute 'encode' print('') # python2:bytes=str; python3:bytes b = a['b'].encode('utf-8') print('%r' % b) print('%r' % b.decode("utf-8")) print('') # python2:unicode; python3:str=unicode c = b.decode('utf-8') print('%r' % c) print('%r' % c.encode('utf-8')) """ #python2 {'b': u'\u4e2d\u6587'} '{"b":"\\u4e2d\\u6587"}' '{"b":"\\u4e2d\\u6587"}' u'{"b":"\u4e2d\u6587"}' '{"b":"\xe4\xb8\xad\xe6\x96\x87"}' '\xe4\xb8\xad\xe6\x96\x87' u'\u4e2d\u6587' u'\u4e2d\u6587' '\xe4\xb8\xad\xe6\x96\x87' #python3 {'b': '中文'} '{"b":"\\u4e2d\\u6587"}' b'{"b":"\\u4e2d\\u6587"}' '{"b":"中文"}' b'{"b":"\xe4\xb8\xad\xe6\x96\x87"}' b'\xe4\xb8\xad\xe6\x96\x87' '中文' '中文' b'\xe4\xb8\xad\xe6\x96\x87' """ |
下面是我使用json.dump()的解决方案:
1 2 3 | def jsonWrite(p, pyobj, ensure_ascii=False, encoding=SYSTEM_ENCODING, **kwargs): with codecs.open(p, 'wb', 'utf_8') as fileobj: json.dump(pyobj, fileobj, ensure_ascii=ensure_ascii,encoding=encoding, **kwargs) |
其中系统编码设置为:
1 2 | locale.setlocale(locale.LC_ALL, '') SYSTEM_ENCODING = locale.getlocale()[1] |
如果可能,使用编解码器,
1 2 | with codecs.open('file_path', 'a+', 'utf-8') as fp: fp.write(json.dumps(res, ensure_ascii=False)) |
从python 3.7开始,以下代码工作正常:
1 2 3 4 | from json import dumps result = {"symbol":"?"} json_string = dumps(result, sort_keys=True, indent=2, ensure_ascii=False) print(json_string) |
输出:
1 | {"symbol":"?"} |
正如Martijn指出的,在json.dumps中使用secure_ASCII=false是解决这个问题的正确方向。但是,这可能会引发一个例外:
1 | UnicodeDecodeError: 'ascii' codec can't decode byte 0xe7 in position 1: ordinal not in range(128) |
您需要在site.py或sitecustomize.py中进行额外设置,才能将sys.getdefaultencoding()设置为正确的。site.py在lib/python2.7/下,sitecustomize.py在lib/python2.7/site-packages下。
如果要使用site.py,请在def setencoding()下:将第一个if 0:更改为if 1:以便python使用操作系统的区域设置。
如果您喜欢使用SiteCustomize.py,如果您没有创建它,那么它可能不存在。简单地写下这些行:
1 2 3 | import sys reload(sys) sys.setdefaultencoding('utf-8') |
然后,您可以使用utf-8格式执行一些中文JSON输出,例如:
1 2 | name = {"last_name": u"王"} json.dumps(name, ensure_ascii=False) |
您将得到一个UTF-8编码的字符串,而不是u转义的JSON字符串。
要验证默认编码:
1 | print sys.getdefaultencoding() |
您应该得到"utf-8"或"utf-8"来验证您的site.py或sitecustomize.py设置。
请注意,不能在交互式Python控制台上执行sys.setdefaultencoding("utf-8")。