如何从json文件中删除某些注释？(/*)

Question

我有大约500个json文件，其中包含注释。尝试使用新值更新json文件上的字段会引发错误。我设法使用commentjson删除了如下字符串//一些文本和json文件更新，并且没有抛出任何错误

但是大约有100个json文件有这样的注释：

  /*

   1. sometext.
        i. sometext
        ii. sometext 
   2. sometext

  */

当/*存在时，Commentjson就会崩溃。如果我删除/*并运行代码，它将工作并更新并删除任何//。 如何编写一些代码来管理/*和/**/之间的所有文本

这是我当前可以删除//的代码

with open(f"{i['Location']}\\{file_name}",'r') as f:
    json_info = commentjson.load(f) #Gets info from the json file
    json_info['password'] = password

    with open(f"{i['location_Daily']}\\{file_name}",'w') as f:
        commentjson.dump(json_info,f,indent = 4) #updates the password   
        print("updated")

Answer 1

您可以使用另一个库，如json5或pyjson5，或任何支持JSON5的库

import json5
import pyjson5

data = '''
{
    "something": [
        ["any"],
        ["thing", "here", 10]    // This is comment 1
    ],
    /* While this
    is
    comment 2 */
    "car": [
        ["and", "another", "here"], /* Last comment */
    ]
}
'''

print(json5.loads(data))
print(pyjson5.loads(data))

输出

$ python3 script.py 
{'something': [['any'], ['thing', 'here', 10]], 'car': [['and', 'another', 'here']]}
{'something': [['any'], ['thing', 'here', 10]], 'car': [['and', 'another', 'here']]}

Answer 2

您有几个选择：

• 将整个文件读入字符串，然后使用正则表达式预处理文本。例如：

  with open(...) as f:
      json_text = f.read()
  # remove everything from '/*' to '*/' as long as it is either
  # - a '*' character that is *not* followed by '/'
  # - any character that is not '*'
  without_comments = re.sub(r"/\*(?:\*(?!/)|[^*])*\*/", "", json_text)
  json_info = commentjson.loads(without_comments)
  

  请注意，如果JSON字符串中还有/*和*/两个字符，那么这种方法将不起作用。正则表达式不是JSON解析器

• 尝试更新commonjson项目用于解析JSON的解析器。看一下the project source code，他们使用了Lark parsing library，因此您可以使用附加语法对模块进行修补

  我注意到主分支已经有了定义多行注释的语法规则：

  COMMENT: "/*" /(.|\\n)+?/ "*/"
         | /(#|\\/\\/)[^\\n]*/
  

  但这还不是他们释放的一部分。但是，您可以重复使用该规则：

  from commentjson import commentjson as implementation
  from lark.reconstruct import Reconstructor
  
  serialized = implementation.parser.serialize()
  for tok in serialized["parser"]["lexer_conf"]["tokens"]:
      if tok["name"] != "COMMENT":
          continue
      if tok["pattern"]["value"].startswith("(#|"):
          # only supports `#` or `//` comments, add block comments
          tok["pattern"]["value"] = r'(?:/\*(?:\*(?!/)|[^*])*\*/|(#|\/\/)[^\n]*)'
      break
  
  implementation.parser = implementation.parser.deserialize(serialized, None, None)
  

  我在语法更新中使用了自己的正则表达式，而不是项目使用的版本

• 查找其他库以解析输入。有几个选项声称支持使用相同语法解析JSON：

  • jstyleson
  • pyjson5
  • jsoncomment

  我没有尝试过这些，也没有对它们的可用性或性能发表任何意见