这篇回答什么
回答 JSON 的语言本身:有哪几种类型、语法为什么这么严格、哪些地方会静默失真。格式化、校验、Schema、大文件与结构对比属于操作层,另见 JSON 格式化与验证工具教程。
六种类型,没有第七种
| 类型 | 示例 | 关键点 |
|---|---|---|
| 字符串 | "oltool" |
只能双引号;支持 \n、\t、\uXXXX 转义 |
| 数字 | 42、3.14、-0.5 |
不分整数与浮点,统一按双精度处理 |
| 布尔 | true / false |
小写,不是字符串 |
| 空值 | null |
"有值但为空",不同于"字段不存在" |
| 对象 | {"k": "v"} |
无序键值对,键必须是字符串 |
| 数组 | [1, 2, 3] |
有序值列表,元素类型可混 |
{
"user": {
"id": "u_1001",
"name": "彬哥",
"active": true,
"roles": ["admin", "editor"],
"metadata": null
},
"score": 98.5
}
null 与「键不存在」是两件事:{"a": null} 和 {} 在多数语言里分别解成 null 与缺失,业务上「显式清空」与「本次不修改」的区别就靠它承载。
嵌套:两条规则就能表达任意结构
对象表示一条记录的属性,数组表示一组同构元素,对象数组就是一张表——API 返回最常见的形态。层级再深,语法也不新增规则,这正是 JSON 能被所有语言低成本实现的原因。
代价是可读性:层级一深,肉眼数括号必错。先把压缩文本展开成缩进(JSON 格式化),需要折叠逐层时再用 JSON 树形查看器。
语法严格的三条边界
严格不是洁癖。JSON 是跨系统交换格式,解析器不做容错推断——一旦允许「猜」,同一份字符串在不同语言里就可能解出不同结果。以下写法在标准解析器里必然失败:
- 键或字符串值用单引号、键名裸写:必须双引号。
- 最后一个元素后多一个逗号:不许尾随逗号。
- 字符串里出现真实换行或制表符:必须写成
\n/\t。 - 写
//注释、NaN、Infinity、前导零:都非法。
反过来,顶层不必是对象:[]、"x"、42 都合法。很多「解析成功但取值全是 null」的问题,就是把顶层数组当对象用了。
浏览器控制台里这些写法大多能跑,因为那执行的是 JavaScript 表达式——语法相近,规则不是一套。这是「本地能跑、线上报错」最常见的来源。
精度:JSON 里没有整数
RFC 8259 只定义了 number 这一种数字类型,不规定内部表示;实现普遍映射到 IEEE 754 双精度浮点。双精度只有 52 位尾数,能精确表示的最大连续整数是 2^53-1,超过就只剩近似值,且解析不报错。
受害者都是"看起来是 ID、不会参与计算"的字段:18 位订单号、64 位雪花 ID、身份证号,以及用小数表示金额的场景。判断方法:Number.MAX_SAFE_INTEGER 打印 9007199254740991;把 {"id":9007199254740993} 丢给 JSON.parse,拿到的 id 已经是 9007199254740992。
做法是让数字在传输中保持字符串:序列化端写 "id": "9007199254740993",消费端按字符串比较和展示。注意 JSON.parse 的 reviver 来不及补救——它拿到的 value 已经是被浮点改写过的 Number;要保住精度,得用把大整数当字符串处理的解析器。
序列化比解析更容易悄悄出错
解析出错至少会抛异常,序列化往往静默改数据:JSON.stringify 直接丢弃函数、undefined、Symbol,遇到循环引用抛 TypeError。把整个前端状态转 JSON 存缓存,回来时字段比原来少,多半是这里。
自查方式是比对前后键集合;想让它在出问题的地方立刻失败,用 replacer 显式抛错:
JSON.stringify(state, (k, v) => {
if (v === undefined) throw new Error(`undefined at ${k}`)
return v
})
注入的前提是把不可信输入当成语法的一部分:拼接字符串生成 JSON,用户输入里的引号能提前闭合字段;用 eval / new Function 解析来路不明的文本,等于把对方的字符串当代码执行。出口只用 JSON.stringify,入口只用 JSON.parse,并对结构做校验。
取舍:只留判断条件
| 维度 | JSON | XML | YAML | MessagePack |
|---|---|---|---|---|
| 可读性 | 好 | 一般 | 最好 | 差(二进制) |
| 解析速度 | 快 | 慢 | 慢 | 最快 |
| 注释 | 否 | 是 | 是 | 否 |
| 体积 | 中 | 大 | 中 | 最小 |
| 典型场景 | API / 存储 | 遗留系统 / SOAP | 人工配置 | 高性能传输 |
判断顺序:下游只能收文本、调用频繁 → JSON;人每天手改、需要注释 → YAML(层级复杂)或 TOML(层级浅);带宽或延迟是瓶颈 → MessagePack 这类二进制格式,语义仍是 JSON 那一套。XML 只在必须兼容遗留系统时才选。
可复现的实测结果
两个最经典的失真,各一行 Python 复现,与具体语言无关:
# 陷阱一:超过 2^53 的大整数在浮点里失真
print(2 ** 53 + 1) # → 9007199254740993
print(int(float(2 ** 53 + 1))) # → 9007199254740992(少 1!)
# 陷阱二:重复键不报错,后者覆盖前者
import json
print(json.loads('{"a": 1, "a": 2}')) # → {'a': 2}
第一个就是「订单号后三位变成 000」的来源:浮点存不下 18 位整数。第二个更危险——{"a": 1, "a": 2} 在 Python 和 JS 里都不报错,后者直接覆盖,配置合并完你根本看不出少了一份。改完想确认只动了格式,把两版丢进 JSON 格式化 对比结构即可。