你一定在Python中遇到过的反斜杠数量问题

发表于 更新于 分类于 阅读次数： 本文字数： 1.3k 阅读时长 ≈ 4 分钟

大家在开发Python的过程中，一定会遇到很多反斜杠的问题，很多人被反斜杠的数量搞得头大。

首先我们写一段非常简单的Python代码，它的作用是把一个字段先转换为JSON格式的字符串，然后把这个字符串再转换为JSON格式的字符串：

1
2
3
4
5
6
7
8
9
10
11
12
import json

info = {'name': 'kingname', 'address': '杭州', 'salary': 99999}
info_json = json.dumps(info)

# 第一次转换以后，打印出来
print(info_json)

info_json_json = json.dumps(info_json)

# 第二次转换以后，再打印出来
print(info_json_json)

它的运行效果如下图所示。

第一次，字典转成JSON格式的字符串，只有中文杭州变成了Unicode编码\u676d\u5dde，其余地方没有出现反斜杠。

在Python里面，反斜杠不能单独出现，这里\u676d\u5dde中的两根反斜杠，实际上应该是\u。表示这两个编码是Unicode编码。

接下来，把第一次生成的JSON字符串：{"name": "kingname", "address": "\u676d\u5dde", "salary": 99999} 再一次转成JSON格式的字符串，这一次变成了：

1
"{\"name\": \"kingname\", \"address\": \"\\u676d\\u5dde\", \"salary\": 99999}"

为什么突然出现了这么多反斜杠？这是因为，JSON格式的字符串本身是使用双引号来表示字符串的。如果原来的字符串里面本身就有双引号，那就会导致混淆。此时，Python需要把原来字符串的双引号变成普通的字符，失去双引号的作用。因此使用\"让双引号变成普通的字符。

这就相当于在Python中，可以这样定义一个包含双引号的字符串：

1
2
3
>>> a = "跟我说：\"你好\""
>>> print(a)
跟我说："你好"

这里，你好两侧的双引号都加上了反斜杠，让它成为普通的字符，防止它们提前与最外层的双引号配对。

如果不加反斜杠，就会导致字符串里面的双引号提前与外层的双引号配对，引起语法错误：

1
2
3
4
5
>>> b = "跟我说："你好""
  File "<stdin>", line 1
    b = "跟我说："你好""
               ^
SyntaxError: invalid syntax

这里，"跟我说："成为了一个字符串，末尾的""成为了一个空字符串。那么中间的你好就变成了一个没有定义的变量。而Python里面，是不存在字符串未定义的变量字符串这种写法的，所以会报语法错误。

而JSON格式的字符串，本质上也是字符串，所以自然而然也需要遵循这样的规则。因此，字符串原来自带的双引号左侧就被加上了反斜杠。

那么，原来的\u676d\u5dde为什么变成了\\u676d\\u5dde？

这是因为，当第二次执行json.dumps的时候，传入的参数是一个JSON格式的字符串，本质就是字符串。而一个字符串里面如果自带反斜杠，那么JSON在对他再次转换的时候，需要标记这是一个普通的字符串形式的反斜杠，不是一个有特殊意义的反斜杠，所以使用\\表示一个普通的反斜杠。

好了，那么你可以猜一下，如果把info_json_json再json.dumps一下会怎么样？

会变成：

1
"\"{\\\"name\\\": \\\"kingname\\\", \\\"address\\\": \\\"\\\\u676d\\\\u5dde\\\", \\\"salary\\\": 99999}\""

为什么出现了三个反斜杠连用和四个反斜杠连用的问题？

实际上非常简单，当你对info_json_json执行json.dumps的时候，Python是怎么转换的？

我们来看：

1
"{\"name\": \"kingname\", \"address\": \"\\u676d\\u5dde\", \"salary\": 99999}"

对字符串执行json.dumps的时候，记住一个关键方法——从左到右，一个字符一个字符的转换。

1
2
3
4
5
1. 第一个字符是双引号，所以变成\"
2. 第二个字符是{，不是特殊符号，保留
3. 第三个字符是\，把它变成\\
4. 第四个字符是"，把它变成\"
5. ……

全部执行完成了，由于这次转换是把一个字符串转换为JSON格式的字符串，所以最外侧加上双引号。

于是就得到了：

1
"\"{\\\"name\\\": \\\"kingname\\\", \\\"address\\\": \\\"\\\\u676d\\\\u5dde\\\", \\\"salary\\\": 99999}\""

我们在爬虫开发过程中，可能会遇到上面这种经过多次JSON转换后的字符串，此时，千万不要轻易使用字符串的.replace方法把多个反斜杠替换为空或者把两个反斜杠替换为一个反斜杠。那样做只会导致你的数据更难解析。

正确的做法应该是尝试对数据一层一层使用json.loads，把它一层一层还原，还原到最初的{'name': 'kingname', 'address': '杭州', 'salary': 99999}这种简单形式。

好了，今天的介绍就到这里，最后留一个思考题：

还是上面的代码，现在把PyCharm的调试模式打开，然后数一数info_json和info_json_json里面反斜杠的个数，如下图所示：

为什么在info_json里面，出现了\\u676d\\u5dde，为什么在info_json_json里面双引号前是两根反斜杠，而\"\\u676d\\u5dde\"竟然变成了\\"\\\\u676d\\\\u5dde。

请关注公众号，下一篇文章为你解答。