JSON字符串中的控制字符

Question

JSON规范指出，必须转义的控制字符仅限于U+0000至U+001F的代码：

7.  Strings

   The representation of strings is similar to conventions used in the C
   family of programming languages.  A string begins and ends with
   quotation marks.  All Unicode characters may be placed within the
   quotation marks, except for the characters that must be escaped:
   quotation mark, reverse solidus, and the control characters (U+0000
   through U+001F).

转义的主要目的是在将JSON文档或消息打印到终端或纸张上时，不损坏输出。

但是还有其他控制字符，比如来自C0的[DEL]和来自C1集合（U+0080到U+009F）的其他控制字符。它们在JSON字符串中也应该被转义吗？

- Andriy Plokhotnyuk

Answer 1

根据JSON规范:

8.  String and Character Issues

8.1.  Character Encoding

   JSON text SHALL be encoded in UTF-8, UTF-16, or UTF-32.

在UTF-8中，所有大于127的码点都会被编码成多个字节。其中大约一半的字节位于C1控制字符范围内。因此，为了避免在UTF-8编码的JSON字符串中出现这些字节，所有这些码点都需要被转义。这实际上消除了使用UTF-8的可能性，JSON字符串最好使用ASCII编码。由于ASCII是UTF-8的子集，因此这不违反标准。因此，如果您担心将C1控制字符放入字节流中，请对它们进行转义，但要求每个JSON表示都使用ASCII在英语环境之外会非常低效。

对于使用C1（甚至C0）控制字符的内容，UTF-16和UTF-32不可能被解析，因此对于这些编码来说，这一点并不重要。

- Rick

---

转换与字符集编码无关，而与语法有关。一个String（一旦使用字符编码解码并取消转义）可以具有任何有限的UTF-16代码单元序列（这就是String的含义），而与文件编码无关。 - Tom Blodget

@TomBlodget 两者之间是相互关联的，因为转义和编码都会影响用于表示JSON字符串的字节。实际使用C1控件的大多数系统要么根本无法处理UTF，要么使用以ESC字节开头的多代码点表示。因此，JSON以UTF格式编码的事实意味着它可以在可能不关心JSON字符串中出现C1代码点的系统上运行。 - Rick