在真实世界的数据处理中，我们很少遇到教科书式的标准 JSON。更多时候，面对的是：
- 单引号代替双引号
- 末尾多出逗号
- 键名未加引号（如
{name: "Alice"}） - 混合了注释（
// 这是注释） - 嵌套结构缺失或类型错乱（字符串里藏了 JSON 片段）
- 甚至根本不是合法 JSON，而是 JavaScript 对象字面量（JS Object Literal）
这类“不规则 JSON”无法被 Python 内置的 json.loads() 直接解析，强行使用会抛出 JSONDecodeError。但别急——本文将为你提供一套从温和修复到强力解析的完整工具箱，用 Python 轻松驯服这些“野性”数据。
一、场景1：轻微格式错误（单引号、尾逗号等）
典型数据：
{ 'name': 'Alice', 'age': 30, 'tags': ['a', 'b',], }
✅ 解法：使用 ast.literal_eval（仅限 Python 字面量）
如果数据本质是 Python 字典/列表字面量（而非严格 JSON），可尝试：
import ast dirty_str = "{'name': 'Alice', 'age': 30, 'tags': ['a', 'b',]}" try: data = ast.literal_eval(dirty_str) print(data) # {'name': 'Alice', 'age': 30, 'tags': ['a', 'b']} except (ValueError, SyntaxError) as e: print("无法解析为 Python 字面量")
⚠️ 注意：
ast.literal_eval只支持str,bytes,int,float,list,dict,tuple,bool,None，不支持NaN、Infinity等。
二、场景2：含注释、尾逗号、键无引号（类 JS 对象）
典型数据：
{ // 用户信息 name: "Bob", age: 25, hobbies: [ "coding", "gaming", // 末尾逗号 ], }
✅ 解法：使用 json5 库（推荐！）
JSON5 是 JSON 的扩展，支持注释、单引号、尾逗号、无引号键等，完美兼容 JavaScript 风格对象。
安装：
pip install json5
使用：
import json5 with open('config.js', 'r', encoding='utf-8') as f: data = json5.load(f) # 或 json5.loads(string) print(data['name']) # Bob
✅ 优点：安全、标准、广泛用于前端配置文件（如
.babelrc,tsconfig.json变体）。
三、场景3：字符串中嵌套未转义的 JSON 片段
典型数据：
{ "log": "User {\"id\": 123, \"action\": \"login\"} performed" }
你可能想提取内部的 {"id": 123, ...}，但它被包裹在字符串中。
✅ 解法：正则 + 递归解析
import json import re def extract_and_parse_nested_json(text): # 匹配最外层的 {...}，但需确保是完整 JSON 对象 pattern = r'\{(?:[^{}]|(?R))*\}' # 递归正则（Python 不支持 (?R)，改用循环） # 更稳健的做法：逐字符扫描括号匹配 def find_outer_braces(s): stack = 0 start = -1 for i, c in enumerate(s): if c == '{': if stack == 0: start = i stack += 1 elif c == '}': stack -= 1 if stack == 0 and start != -1: return s[start:i+1] return None nested = find_outer_braces(text) if nested: try: return json.loads(nested) except json.JSONDecodeError: return None return None log_str = 'User {"id": 123, "action": "login"} performed' inner = extract_and_parse_nested_json(log_str) print(inner) # {'id': 123, 'action': 'login'}
四、场景4：完全非结构化，但有规律可循
比如日志文件中的混合内容：
INFO: {user: "Tom", status: ok} ERROR: Failed to parse {data: [1,2,,3]}
✅ 解法：先用正则提取疑似 JSON 片段，再用容错解析器
结合 json5 + 异常捕获：
import json5 import re log_line = 'ERROR: Failed to parse {data: [1,2,,3]}' # 提取花括号包围的内容 match = re.search(r'\{.*\}', log_line) if match: candidate = match.group() try: data = json5.loads(candidate) print("Parsed:", data) except Exception as e: print("Still invalid:", e)
💡 提示：对于
[, ,]这类空元素，json5也支持（视为null）。
五、终极武器：自定义解析器 or LLM 辅助（慎用）
若数据极度混乱（如混合 HTML、自定义 DSL），可考虑：
- 使用
lark、ply构建自定义语法解析器； - 用大模型（如本地 LLM）将“脏数据”重写为合法 JSON（适合低频、高价值场景）。
但绝大多数情况，json5 + 正则清洗 + 异常处理 已足够覆盖。
最佳实践建议
- 优先用
json5：它能解决 90% 的“类 JSON”问题； - 不要用
eval()：极其危险，可能执行任意代码； - 记录解析失败样本：用于后续规则优化；
- 在数据入口做标准化：若可控，推动上游输出合法 JSON。
结语
不规则 JSON 不是“错误”，而是现实世界的常态。Python 生态提供了从轻量级（ast）到工业级（json5）的多种工具，关键在于识别数据“脏”在哪一层，然后选择匹配的清洗策略。
记住：解析不是目的，可靠地获取结构化信息才是。用对工具，那些看似混乱的字符串，终将成为你数据管道中的清晰字段。
