一篇文章搞懂Python反斜杠的相关问题

Python反斜杠问题的引入

在Python开发实践中，反斜杠相关的问题频发，许多开发者常因反斜杠数量的变化而感到困惑。

JSON序列化与反斜杠的产生

我们先看一段简单的Python代码，其功能是将一个字典对象先序列化为JSON格式的字符串，随后再次将该字符串序列化为JSON字符串。

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)

代码运行结果如图所示。

第一次转换中，字典转为JSON字符串，仅中文“杭州”被转换为Unicode编码\u676d\u5dde，其他部分未出现反斜杠。

在Python语法中，反斜杠不能单独存在。此处\u676d\u5dde显示的两根反斜杠，实际代表的是\u。这表示该编码属于Unicode编码格式。

接着，将第一次生成的JSON字符串：{"name": "kingname", "address": "\u676d\u5dde", "salary": 99999}再次进行JSON序列化，结果变为：

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

反斜杠倍增的原理分析

为何此时出现了大量反斜杠？原因在于JSON字符串使用双引号界定字符串内容。若原字符串内部包含双引号，会造成解析歧义。此时，Python需将原字符串中的双引号转为普通字符，使其失去界定作用，因此使用\"对双引号进行转义。

这类似于在Python中定义包含双引号的字符串的方式：

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

此处，“你好”两侧的双引号均添加了反斜杠，使其成为普通字符，防止其提前与外层双引号匹配。

若不加反斜杠，字符串内部的双引号会提前与外层双引号配对，引发语法错误：

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

这里，"跟我说："被视为一个字符串，末尾的""被视为空字符串。中间的“你好”则被当作未定义的变量。由于Python不支持字符串未定义的变量字符串这种写法，故报错。

JSON字符串本质也是字符串，自然需遵循此规则。因此，字符串原本自带的双引号左侧会被添加反斜杠。

那么，原来的\u676d\u5dde为何变成了\\u676d\\u5dde？

这是因为，当第二次执行json.dumps时，传入参数为JSON字符串，本质仍是字符串。若字符串内部自带反斜杠，JSON在再次转换时需标记其为普通字符串形式的反斜杠，而非特殊意义字符，故使用\\表示普通反斜杠。

那么，如果将info_json_json再次执行json.dumps操作，结果会如何？

结果将变为：

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

为何会出现三个反斜杠连用及四个反斜杠连用的情况？

原理其实很简单，当对info_json_json执行json.dumps时，Python是如何进行转换的？

我们来看具体过程：

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

对字符串执行json.dumps时，需记住关键方法——从左到右，逐个字符进行转换。

1. 第一个字符是双引号，转换为\" 2. 第二个字符是{，非特殊符号，保留 3. 第三个字符是\，转换为\\ 4. 第四个字符是"，转换为\" 5. ……

全部转换完成后，由于此次操作是将字符串转换为JSON格式字符串，因此最外侧会加上双引号。

最终得到：

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

正确处理多层JSON字符串的方法

在爬虫开发中，可能会遇到上述经过多次JSON转换后的字符串。此时，切勿轻易使用字符串的.replace方法将多个反斜杠替换为空，或将两个反斜杠替换为一个。这种做法只会让数据更难解析。

正确做法是尝试对数据逐层使用json.loads，将其一层层还原，直至恢复为最初的{'name': 'kingname', 'address': '杭州', 'salary': 99999}这种简单形式。

调试模式下的反斜杠观察

今天的介绍到此结束，最后留一个思考题：

仍使用上述代码，现在打开PyCharm的调试模式，然后数一数info_json和info_json_json中反斜杠的数量，如下图所示：

为何在info_json中，出现了\\u676d\\u5dde？为何在info_json_json中双引号前是两根反斜杠，而\"\\u676d\\u5dde\"竟然变成了\\"\\\\u676d\\\\u5dde？

总结

至此，关于Python反斜杠的讲解结束。更多相关Python反斜杠内容，请搜索本站以往文章或继续浏览下文。感谢大家的支持！