保留unicode字符json.loads文件（）或在执行json.dumps文件()

Question

我有一个json文件，其中包含unicode字符\u003c和\u003e。加载文件时json.load文件（）这些字符被转换成<和>。考虑以下实验：

d = json.loads('"Foo \u003cfoo@bar.net\u003e"')

然后像这样打印：

'Foo <foo@bar.net>'

假设我需要将这个文件转储回一个文件，并且需要将字符<和>转换回\u003c和\u003e。我目前正在使用f.write(json.dumps(d))，但这似乎不起作用。你知道吗

我已经找了好几个小时了，但就是想不出来。你知道吗

Answer 1

好吧，在这里理解Python解释器在做什么会很有用。你知道吗

当解释器找到字符串文字的开头时

在源代码中，有这样一段文字：

'"Foo \u003cfoo@bar.net\u003e"'

当解析器找到第一个字符'时，它得出结论：“这是一个字符串文本！在找到下一个'之前，我应该获取所有字符并将其放入一个列表中，作为字符串使用。“因此，假设它在内存中创建以下列表：

[]

然后找到下一个字符"。因为字符串文本没有关闭（因为没有找到'），所以它将它添加到列表中。就像电脑里的一切一样，字符都用数字来表示。数字是它的Unicode点，对于"，代码点是34：

[ 34 ]
#  "

它对下一个字符执行相同的操作，将其代码点放在列表中：

[ 34   70  111  111   32 ]
#  "    F    o    o       

源代码中的\和u字符

现在，解释器找到字符\。但这根本不是一个普通的字符！对于解释者来说，这意味着接下来的字符并不意味着他们自己，而是应该被解释。因此解释器不会将\添加到列表中，并让下一个解释器理解应该做什么。这就是结果中没有\的原因。

下一个字符是u。因为它的前缀是\，所以解释器不会将它插入到列表中。相反，the ^{} pair is interpreted as a command要获得接下来的四个字符，请将它们转换为十六进制数。这就是为什么结果中没有\u。

六个字怎么变成一个

接下来的四个字符是0、0、3和c。它们形成0x3C十六进制数，即十进制形式的60。因此，它被添加到列表中：

[ 34   70  111  111   32   60 ]
#  "    F    o    o         <

嗯，60在Unicode中是<。这就是结果中有<的原因。这就是为什么程序运行时，六个字符（\、u、0、0、3、c）实际上只代表一个（>）。你知道吗

如何得到你想要的

当然，您可能希望在结果字符串中包含字符\、u等。如果是这样，Python会提供一些选项，最简单的选项是raw string literal。要做到这一点，只需在字符串文本前面加上r，如下所示：

r'"Foo \u003cfoo@bar.net\u003e"'

当解释器将源代码中的r加上引号（如'）时，它知道这是一个字符串文本，但这个字符串文本根本没有\的解释。它里面的所有东西都要像在源代码中键入的那样使用。这会产生一个类似于您想要的结果：

>>> print('"Foo \u003cfoo@bar.net\u003e"')
"Foo <foo@bar.net>"
>>> print(r'"Foo \u003cfoo@bar.net\u003e"')
"Foo \u003cfoo@bar.net\u003e"

Be Careful What You Wish For

但是请注意，这些字符串是完全不同的！甚至它们的大小也大不相同，因为第二个有更多的字符：

>>> len('"Foo \u003cfoo@bar.net\u003e"')
19
>>> len(r'"Foo \u003cfoo@bar.net\u003e"')
29

现在，我不得不说，你可能不希望这里有一个原始字符串。您可能只想用Unicode点来表示字符串，但这也引出了一个问题：为什么要这样做。不管怎样，现在由你来决定你想要什么：）