JSON和转义字符

Question

我有一个字符串在Javascript中被序列化为JSON，然后在Java中被反序列化。

如果该字符串包含度数符号，则会出现问题。

我需要帮助找出问题的原因:

• 是Spidermonkey 1.8实现的问题吗？（它内置了一个JSON实现）
• 是Google gson的问题吗？
• 还是因为我没有正确操作？

以下是在JSDB中发生的情况：

js>s='15\u00f8C'
15°C
js>JSON.stringify(s)
"15°C"

我本来期望的是 "15\u00f8C' ，这使我认为Spidermonkey的JSON实现并没有做正确的事情... 除非JSON主页的语法描述（那是规范吗？）说字符可以是任何Unicode字符，除了“-"或"\”或控制字符。所以也许它会将字符串原样传递而不将其编码为\u00f8...在这种情况下，我认为问题出在gson库上。

有人能帮忙吗？

我想我的解决方法是使用其他的JSON库，或者在调用JSON.stringify()之后手动转义字符串--但如果这是一个bug，我想报告一下。

- Jason S

---

咆哮...先不要管我的Windows电脑决定使用字符集，将度符号映射为\u00f8而不是\u00b0的事实！ - Jason S

Answer 1

这不是任何实现中的错误。没有必要转义U+00B0。引用RFC的话：

2.5. 字符串

字符串的表示类似于C系列编程语言中使用的约定。字符串以引号开始和结束。所有Unicode字符都可以放置在引号内，除了必须转义的字符：引号、反斜杠和控制字符（U + 0000到U + 001F）。

任何字符都可以转义。

转义所有字符会增加数据的大小（在所有Unicode转换格式中，所有代码点都可以用四个或更少的字节表示；而将它们全部编码则使它们变成六个或十二个字节）。

更有可能的是，在您的代码中存在文本转码错误，而对ASCII子集中的所有内容进行转义掩盖了该问题。 JSON规范要求所有数据使用Unicode编码。

- McDowell

---

@user: 在支持英语基本字母之外的字符上并没有任何懒惰。欢迎来到2015年，我们不再使用ASCII码了。 - T.J. Crowder

Answer 2

嗯，好吧，无论如何这里有一个解决方法：

function JSON_stringify(s, emit_unicode)
{
   var json = JSON.stringify(s);
   return emit_unicode ? json : json.replace(/[\u007f-\uffff]/g,
      function(c) { 
        return '\\u'+('0000'+c.charCodeAt(0).toString(16)).slice(-4);
      }
   );
}

测试用例：

js>s='15\u00f8C 3\u0111';
15°C 3◄
js>JSON_stringify(s, true)
"15°C 3◄"
js>JSON_stringify(s, false)
"15\u00f8C 3\u0111"

- Jason S

---

这里重新提及一篇旧回答，但似乎对于 BMP 以外的字符，这种方法将无法生效。 - owacoder

修复它就是简单地将边界的上限增加到"\u10ffff"吗？ - CodeThief

@owacoder，它偶然在BMP之外工作，因为正则表达式匹配不是Unicode感知的pre-ES2015，并且如果您将/g更改为/gu，它会在符合ES2015的引擎上中断。值得庆幸的是，出于向后兼容性的原因，默认的/g行为保持不变，因此它仍然可以在2023年工作。 - wizzard0

Answer 3

这个回答来得太晚了，可能已经不相关了，但如果有人发现这个答案，我认为我知道原因所在。

正如其他答案提到的那样，带度符号的JSON编码字符串是完全有效的。问题很可能出在你读写字符编码上。根据你使用Gson的方式，你可能正在传递一个java.io.Reader实例。每当你从InputStream创建一个Reader时，你必须指定字符编码或java.nio.charset.Charset实例（通常最好使用java.nio.charset.StandardCharsets.UTF_8）。如果你没有指定Charset，Java将使用你的平台默认编码，在Windows上通常是CP-1252。

- Jeff Brower