JSON字符串解码错误

Question

我正在调用这个网址：

http://code.google.com/feeds/issues/p/chromium/issues/full/291?alt=json

我使用urllib2来获取数据，然后用json模块来解码。

url = "http://code.google.com/feeds/issues/p/chromium/issues/full/291?alt=json"
request = urllib2.Request(query)
response = urllib2.urlopen(request)
issue_report = json.loads(response.read())

但是我遇到了以下错误：

ValueError: Invalid control character at: line 1 column 1120 (char 1120)

我尝试检查了一下请求的头信息，结果是这样的：

Content-Type: application/json; charset=UTF-8
Access-Control-Allow-Origin: *
Expires: Sun, 03 Jul 2011 17:38:38 GMT
Date: Sun, 03 Jul 2011 17:38:38 GMT
Cache-Control: private, max-age=0, must-revalidate, no-transform
Vary: Accept, X-GData-Authorization, GData-Version
GData-Version: 1.0
ETag: W/"CUEGQX47eCl7ImA9WxJaFEw."
Last-Modified: Tue, 04 Aug 2009 19:20:20 GMT
X-Content-Type-Options: nosniff
X-Frame-Options: SAMEORIGIN
X-XSS-Protection: 1; mode=block
Server: GSE
Connection: close

我还尝试添加了一个编码参数，像这样：

issue_report = json.loads(response.read() , encoding = 'UTF-8')

但我还是遇到了同样的错误。

Answer 1

你可以考虑使用lxml，因为你的JSON格式有问题。它支持XPath，这样处理XML就简单多了：

import lxml.etree
url = 'http://code.google.com/feeds/issues/p/chromium/issues/full/291'
doc = lxml.etree.parse(url)
ns = {'issues': 'http://schemas.google.com/projecthosting/issues/2009'}
issues = doc.xpath('//issues:*', namespaces=ns)

操作元素也很简单，比如可以去掉标签中的命名空间，或者把它转换成字典：

>>> dict((x.tag[len(ns['issues'])+2:], x.text) for x in issues)
<<<    
{'closedDate': '2009-08-04T19:20:20.000Z',
 'id': '291',
 'label': 'Area-BrowserUI',
 'stars': '13',
 'state': 'closed',
 'status': 'Verified'}

Answer 2

这个信息里包含了一些来自JPEG图片的原始数据；而且JSON格式有问题，所以这不是你的错。你可以向谷歌报告这个错误。