对话实录

小白：（抓狂）这个 JSON 里有注释和单引号，标准库解析不了！

专家：（掏出魔杖）用 demjson库，专治各种不规范 JSON！

专家解释为什么使用demjson？

demjson的一些优点：

它适用于没有内置JSON的旧Python版本；

它通常具有更好的错误处理和“lint”检查功能；

每当可能出现溢出或精度损失时，它将自动使用Python Decimal（bigfoat）类，而不是浮点数。

它可以正确处理不同的Unicode编码，包括ASCII。它将根据编码自动调整何时使用转义符。

它生成更保守的JSON，例如转义Unicode格式的控制字符或行终止符，这将提高数据的可移植性。

在非严格模式下，它还可以处理稍微不一致的输入，这些输入更多的是JavaScript而不是JSON（例如允许注释）。

在转换过程中，它支持更广泛的Python类型集。

demjson 基础五连击

1. 安装神器

pip install demjson

但因为不同python版本问题，有可能会报错如下：

虽然demjson 2.2.4版本兼容了python2和python3，但是安装环境python3时，有一部分代码需要做转换，而setuptools从版本58.0.0开始不再支持2to3的builds，所以导致 demjson 2.2.4安装后报错。

通过降低setuptools版本即可解决，比如pip install steuptools==57.5.0安装低版本，然后在执行安装Demjson。

2. 函数介绍

3. 宽松解析

import demjson
# 包含注释和单引号的JSON
bad_json = """{
 // 这是注释
 'name': '小明',
 "age": 18
}"""

data = demjson.decode(bad_json) # → {'name':'小明','age':18}

专家提醒：demjson 比标准 json 库更宽容！在实际场景中，很多从配置文件、前端传过来的 JSON 数据并不完全符合标准格式。比如，配置文件为了可读性添加注释，前端开发人员可能使用单引号代替双引号。demjson 就像一位贴心的处理者，能轻松接纳这些 “不规矩” 的数据，实现顺利解析。

4. 编码增强

data = {
  "姓名": "小明",
 "成绩": 99.5,
 "班级": None
}

json_str = demjson.encode(data,
 encoding='utf-8',
 compactly=False,indent_amount=4) # 美化输出

在处理多语言数据时，标准 json库需要设置ensur_ascii = False来正确显示非ASCII字符。而demjson的encoding方法支持UTF-8编码用于解决乱码问题，并且通过compactly = False和indent_amount=4参数，可以将数据格式化为缩进整齐的字符串，便于查看和调试。

5.文件与python对象互转

import demjson
data = {"students": [{"name":"小明"}, {"name":"小红"}]}
#将字典对象存储到json文件，并美化输出
demjson.encode_to_file('data.json',data,compactly=False,indent_amount=4,overwrite=True)

#将json文件转为字典对象
data = demjson.decode_file('data.json',encoding='utf-8')

实战案例

案例 1：处理特殊数值

# JavaScript特殊值
js_json = "{inf: Infinity, nan: NaN}"
data = demjson.decode(js_json) # → {'inf': inf, 'nan': nan}
print(data['inf'] > 1e300) # → True

在 JavaScript 和 Python 数据交互过程中，JavaScript 的Infinity和NaN特殊值无法被标准 json 库直接解析。demjson 填补了这一空白，不仅能解析这些特殊值，还能在 Python 中正确表示，方便进行后续运算和逻辑判断。

案例 2：严格模式

import demjson
data = '{"students": [{"name":"小明"},{"name":"小红"},]}'
# 需要严格验证时
data = demjson.decode(data,strict=True,encoding='utf8') # 启用严格模式
#->因为数据多了一个逗号，会报错：
    raise errors[0]
demjson.JSONDecodeError: Strict JSON does not allow a final comma in an array (list) literal

当需要确保数据符合标准 JSON 规范时，启用严格模式。例如，在接收第三方 API 数据时，开启严格模式可以防止不规范数据进入系统，保证数据的准确性和一致性。

案例 3：JSONP 支持

jsonp_data = "callback({\"message\":\"Hello, Demjson!\"})"
start = jsonp_data.find('{')
end = jsonp_data.rfind('}')
json_str = jsonp_data[start:end + 1]
data = demjson.decode(json_str)

在前端与后端进行数据交互时，JSONP 是一种常用的跨域解决方案。demjson 可以轻松提取 JSONP 数据中的 JSON 部分，实现数据的解析和处理。

案例4: 支持转换对象中的Decimal对象,datetime对象等

from decimal import Decimal
import datetime
import json
dict_data = {"name":"lili","age":Decimal(str('20.0')),
             "datetime":datetime.datetime.now()
             }

使用json.dumps()执行会报错
print(json.dumps(dict_data))
#结果如下
TypeError: Object of type Decimal is not JSON serializable

使用demjson.encode()转换成功
print(demjson.encode(dict_data))
#结果如下
{"age":20.0,"datetime":"2023-08-06T20:53:05.538254","name":"lili"}

专家工具箱

1. 格式验证

demjson自带jsonlint工具，用来校验json文件的准确性。

本地创建一个test.json文件，文件中有一处错误，使用jsonlint校验，结果如下：

(venv) htsc@192 bin % jsonlint test.json
test.json:1:18: Error: Values must be separated by a comma
   |  At line 1, column 18, offset 18
   |  Object started at line 1, column 0, offset 0 (AT-START)
test.json: has errors

小白：（献上膝盖）原来 demjson 这么强大！

专家：（扶起小白）记住：能力越大责任越大,在处理不规范 JSON 数据时，demjson的解析速度相对较快，性能表现出色。