前言

JSON是Web开发中最常用的数据交换格式，但现实世界从来不按规范来。你可能遇到过这些情况：

• 单引号代替双引号：{'name': 'Tom'}
• 末尾多了逗号：{"name": "Tom",}
• 键名没加引号：{name: "Tom"}
• 注释混在里面：{"name": "Tom" // this is a comment}

Python自带的json.loads()遇到这些会直接报错。本文整理了几种常见的非标准JSON场景，以及对应的解决方案。

---

场景一：单引号 + 末尾逗号

这是最常见的"脏数据"，通常来自手写配置或某些API的日志。

import json

data = "{'name': 'Tom', 'age': 18,}"  # 单引号 + 末尾逗号
# json.loads(data)  # 报错：JSONDecodeError

解决方案1：用ast.literal_eval（推荐）

import ast

data = "{'name': 'Tom', 'age': 18,}"
result = ast.literal_eval(data)
print(result)  # {'name': 'Tom', 'age': 18}

ast.literal_eval可以安全地解析Python字面量，包括单引号字符串、末尾逗号、True/False/None等。

⚠️ 注意：它只能解析Python语法能识别的值，不能处理真正的JSON扩展。

解决方案2：先替换再解析

import json
import re

def fix_json(s):
    # 单引号 → 双引号（注意避免替换字符串内部的引号）
    s = re.sub(r"(?<!\\)'", '"', s)
    # 去除末尾逗号
    s = re.sub(r',\s*([\]}])', r'\1', s)
    return json.loads(s)

data = "{'name': 'Tom', 'age': 18,}"
result = fix_json(data)
print(result)

这种方式更灵活，但正则替换有边界风险，复杂场景容易漏。

---

场景二：键名未加引号

data = '{name: "Tom", age: 18}'  # 键名没引号，不是合法JSON

解决方案：用demjson3库

pip install demjson3

import demjson3

data = '{name: "Tom", age: 18}'
result = demjson3.decode(data)
print(result)  # {'name': 'Tom', 'age': 18}

demjson3是目前处理非标准JSON最强的第三方库，支持：

• 无引号键名
• 单引号
• 末尾逗号
• 注释（// 和 /* */）
• JavaScript风格的undefined、NaN、Infinity

---

场景三：包含注释的JSON

某些配置文件会在JSON里加注释，这在标准JSON中是不允许的。

{
  "name": "Tom",  // 用户名
  "age": 18       /* 成年了 */
}

解决方案：先清注释，再解析

import json
import re

def strip_comments(s):
    # 去除 // 注释
    s = re.sub(r'//.*', '', s)
    # 去除 /* */ 注释
    s = re.sub(r'/\*.*?\*/', '', s, flags=re.DOTALL)
    return s

raw = '''
{
  "name": "Tom",  // 用户名
  "age": 18
}
'''
clean = strip_comments(raw)
result = json.loads(clean)
print(result)

或者直接用demjson3一步到位：

import demjson3
result = demjson3.decode(raw)

---

场景四：JavaScript风格的特殊值

{
  "value": undefined,
  "number": NaN,
  "big": Infinity
}

这些在标准JSON中不存在，但在JS生态中很常见。

JS值	JSON等价	demjson3处理结果
undefined	无	None
NaN	无	nan（float）
Infinity	无	inf（float）
true/false	true/false	正常解析

import demjson3
data = '{value: undefined, num: NaN, big: Infinity}'
result = demjson3.decode(data)
print(result)
# {'value': None, 'num': nan, 'big': inf}

---

方案对比

方案	适用场景	优点	缺点
json.loads	标准JSON	快、安全、内置	只能处理标准JSON
ast.literal_eval	Python风格字典	安全、内置	不识别null/true/false
demjson3	几乎所有非标准情况	功能最全	性能较慢，依赖第三方
正则替换+json	简单单引号/逗号场景	轻量	容易出错，维护成本高

---

实践建议

1. 能用标准JSON就用标准JSON——这是根治问题的方式
2. 数据来源可信 + 格式简单 → 用ast.literal_eval，性能好且安全
3. 数据来源杂、格式乱 → 直接上demjson3，别自己造轮子
4. 生产环境对性能敏感 → 先做数据清洗，再用json.loads

---

总结

非标准JSON的本质是：数据生产方和消费方对"什么是合法JSON"的定义不一致。

Python生态的解决思路也很清晰：

• 轻量场景 → ast.literal_eval
• 重度场景 → demjson3
• 极致场景 → 自己写清洗逻辑

选哪个，取决于你的数据有多"脏"。