如何在json中将汉字编码为“gbk”，以格式化url请求参数字符串？

Question

我想转储作为一个json字符串，其中包含一些汉字，并格式化一个url请求参数。

以下是我的python代码：

import httplib
import simplejson as json
import urllib

d={
  "key":"上海",
  "num":1
}

jsonStr = json.dumps(d,encoding='gbk')
url_encode=urllib.quote_plus(jsonStr)

conn = httplib.HTTPConnection("localhost",port=8885)
conn.request("GET","/?json="+url_encode)
res = conn.getresponse()

我对请求字符串的期望是：

GET /?json=%7B%22num%22%3A+1%2C+%22key%22%3A+%22%C9%CF%BA%A3%22%7D
                                                ------------
                                                     |
                                                     V
                       "%C9%CF%BA%A3" represent "上海" in format of 'gbk' in url.

但我得到的是：

GET /?json=%7B%22num%22%3A+1%2C+%22key%22%3A+%22%5Cu6d93%5Cu5a43%5Cu6363%22%7D
                                                ------------------------
                                                         |
                                                         v
           %5Cu6d93%5Cu5a43%5Cu6363  is 'some' format of chinese characters "上海"  

我还试图转储json与ensure_ascii=False选项：

jsonStr = json.dumps(d,ensure_ascii=False,encoding='gbk')

但没有运气。

那么，我该怎么做呢？谢谢。

Answer 1

"key":"上海",

您将源代码保存为UTF-8，因此这是字节字符串'\xe4\xb8\x8a\xe6\xb5\xb7'。

jsonStr = json.dumps(d,encoding='gbk')

JSON格式仅支持Unicode字符串。encoding参数可用于强制json。将转储到允许的字节字符串中，使用给定的编码将其自动解码为Unicode。

然而，字节串的编码实际上是UTF-8而不是'gbk'，所以json.dumps解码不正确，导致u'涓捣'。然后，它会产生不正确的JSON输出"\u6d93\u5a43\u6363"，该输出将URL编码为"\u6d93\u5a43\u6363"。

要解决这个问题，您应该输入一个适当的Unicode（u"）字符串到json.dumps：

# coding: utf-8

d = {
    "key": u"上海",  # or u'\u4e0a\u6d77' if you don't want to rely on the coding decl
    "num":1
}
jsonStr = json.dumps(d)
...

这将获得JSON“\u4e0a\u6d77”，编码为URL“\u4e0a\u6d77”。

如果您真的不想在JSON中转义\u，您确实可以在URL编码之前ensure_ascii=False，然后. encode（）输出。但是我不推荐它，因为您将不得不担心目标应用程序在其URL参数中想要什么编码，这是一些痛苦的来源。\u版本被所有JSON解析器所接受，并且在URL编码后通常不会很长。

Answer 2

用确保ascii=False几乎可以得到它。这项工作：

jsonStr = json.dumps(d, encoding='gbk', ensure_ascii=False).encode('gbk')

您需要告诉json。dumps（）表示它将读取的字符串是GBK，并且不应尝试对其进行ASCII校验。然后必须重新指定输出编码，因为json。dumps（）对此没有单独的选项。

这个解决方案类似于这里的另一个答案：https://stackoverflow.com/a/18337754/4323

所以这就是您想要的，尽管我应该注意到URI的标准似乎说只要可能，它们就应该使用UTF-8。有关详细信息，请参见此处：https://stackoverflow.com/a/14001296/4323