一日一技：你怎么總是搞不清反斜杠的問題
大家在開發Python的過程中，一定會遇到很多反斜杠的問題，很多人被反斜杠的數量搞得頭大。
首先我們寫一段非常簡單的Python代碼，它的作用是把一個字段先轉換為JSON格式的字符串，然后把這個字符串再轉換為JSON格式的字符串：
- import json
- info = {'name': 'kingname', 'address': '杭州', 'salary': 99999}
- info_json = json.dumps(info)
- # 第一次轉換以后，打印出來
- print(info_json)
- info_json_json = json.dumps(info_json)
- # 第二次轉換以后，再打印出來
- print(info_json_json)
它的運行效果如下圖所示。
第一次，字典轉成JSON格式的字符串，只有中文杭州變成了Unicode編碼\u676d\u5dde，其余地方沒有出現反斜杠。
在Python里面，反斜杠不能單獨出現，這里\u676d\u5dde中的兩根反斜杠，實際上應該是\u。表示這兩個編碼是Unicode編碼。
接下來，把第一次生成的JSON字符串：{"name": "kingname", "address": "\u676d\u5dde", "salary": 99999}再一次轉成JSON格式的字符串，這一次變成了：
- "{\"name\": \"kingname\", \"address\": \"\\u676d\\u5dde\", \"salary\": 99999}"
為什么突然出現了這么多反斜杠?這是因為，JSON格式的字符串本身是使用雙引號來表示字符串的。如果原來的字符串里面本身就有雙引號，那就會導致混淆。此時，Python需要把原來字符串的雙引號變成普通的字符，失去雙引號的作用。因此使用\"讓雙引號變成普通的字符。
這就相當于在Python中，可以這樣定義一個包含雙引號的字符串：
- >>> a = "跟我說：\"你好\""
- >>> print(a)
- 跟我說："你好"
這里，你好兩側的雙引號都加上了反斜杠，讓它成為普通的字符，防止它們提前與最外層的雙引號配對。
如果不加反斜杠，就會導致字符串里面的雙引號提前與外層的雙引號配對，引起語法錯誤：
- >>> b = "跟我說："你好""
- File "<stdin>", line 1
- b = "跟我說："你好""
- ^
- SyntaxError: invalid syntax
這里，"跟我說："成為了一個字符串，末尾的""成為了一個空字符串。那么中間的你好就變成了一個沒有定義的變量。而Python里面，是不存在字符串未定義的變量字符串這種寫法的，所以會報語法錯誤。
而JSON格式的字符串，本質上也是字符串，所以自然而然也需要遵循這樣的規則。因此，字符串原來自帶的雙引號左側就被加上了反斜杠。
那么，原來的\u676d\u5dde為什么變成了\\u676d\\u5dde?
這是因為，當第二次執行json.dumps的時候，傳入的參數是一個JSON格式的字符串，本質就是字符串。而一個字符串里面如果自帶反斜杠，那么JSON在對他再次轉換的時候，需要標記這是一個普通的字符串形式的反斜杠，不是一個有特殊意義的反斜杠，所以使用\\表示一個普通的反斜杠。
好了，那么你可以猜一下，如果把info_json_json再json.dumps一下會怎么樣?
會變成：
- "\"{\\\"name\\\": \\\"kingname\\\", \\\"address\\\": \\\"\\\\u676d\\\\u5dde\\\", \\\"salary\\\": 99999}\""
為什么出現了三個反斜杠連用和四個反斜杠連用的問題?
實際上非常簡單，當你對info_json_json執行json.dumps的時候，Python是怎么轉換的?
我們來看：
- "{\"name\": \"kingname\", \"address\": \"\\u676d\\u5dde\", \"salary\": 99999}"
對字符串執行json.dumps的時候，記住一個關鍵方法——從左到右，一個字符一個字符的轉換。
- 1. 第一個字符是雙引號，所以變成\"
- 2. 第二個字符是{，不是特殊符號，保留
- 3. 第三個字符是\，把它變成\\
- 4. 第四個字符是"，把它變成\"
- 5. ……
全部執行完成了，由于這次轉換是把一個字符串轉換為JSON格式的字符串，所以最外側加上雙引號。
于是就得到了：
- "\"{\\\"name\\\": \\\"kingname\\\", \\\"address\\\": \\\"\\\\u676d\\\\u5dde\\\", \\\"salary\\\": 99999}\""
我們在爬蟲開發過程中，可能會遇到上面這種經過多次JSON轉換后的字符串，此時，千萬不要輕易使用字符串的.replace方法把多個反斜杠替換為空或者把兩個反斜杠替換為一個反斜杠。那樣做只會導致你的數據更難解析。
正確的做法應該是嘗試對數據一層一層使用json.loads，把它一層一層還原，還原到最初的{'name': 'kingname', 'address': '杭州', 'salary': 99999}這種簡單形式。
好了，今天的介紹就到這里，最后留一個思考題：
還是上面的代碼，現在把PyCharm的調試模式打開，然后數一數info_json和info_json_json里面反斜杠的個數，如下圖所示：
為什么在info_json里面，出現了\\u676d\\u5dde，為什么在info_json_json里面雙引號前是兩根反斜杠，而\"\\u676d\\u5dde\"竟然變成了\\"\\\\u676d\\\\u5dde。
本文轉載自微信公眾號「未聞Code」，可以通過以下二維碼關注。轉載本文請聯系未聞Code公眾號。
