这篇回答什么
操作层的问题:怎么压缩与格式化、报错怎么定位、Schema 怎么当契约、大文件怎么处理、两版 JSON 怎么对比。JSON 的类型与语法规则本身,见 JSON 完全指南。
语法速查:只列真会踩的
语法细节不在这里展开,只留一张对照表。下表每一行的非法写法,都是实际排错时最常遇到的那几种:
| 写法 | 判定 | 原因 |
|---|---|---|
{"a": 1} |
✅ | 合法 |
{a: 1} |
❌ | 键名未加引号 |
{'a': 1} |
❌ | 单引号 |
{"a": 1,} |
❌ | 尾随逗号 |
{"a": 01} |
❌ | 前导零 |
{"a": NaN} |
❌ | JSON 无此字面量 |
{"a": undefined} |
❌ | 无此类型 |
[1, "2", null] |
✅ | 数组元素可混类型 |
中文内容还有一条表外的坑:文件开头带 BOM(\uFEFF),JSON.parse 会在 position 0 直接失败,而编辑器里完全看不出异常。
格式化与压缩:传输和阅读是两套
压缩(去掉全部缩进与换行)通常减少 30–50% 体积;键名重复度高时,配合 gzip/Brotli 差距会进一步拉大。线上响应、消息体、生产配置都该压缩;阅读、评审、排错时才展开。
不要用正则删空白——它会把字符串值内部的空格一起吃掉。用格式化工具里的压缩功能,语义不变,风险为零。
缩进风格本身没有对错:2 空格是 JS/TS 生态默认(Prettier、ESLint),4 空格常见于 Python/Java 项目;重要的是同一仓库内保持一致,不一致比选哪个更伤。
两个反直觉的注意点:
- 先格式化再签名,验签必然失败。HMAC、数字签名、JWT 计算的是原始字节序列,多一个空格结果就完全不同。
- 生产日志不要打印格式化后的大对象。应打印压缩版并按长度截断,否则写入耗时与日志配额一起失控。
校验:五类报错与定位
JSON.parse 抛出的多半只有一句 Unexpected token } in JSON at position 1234,看着毫无信息量。报错的分布其实是固定的:
| 错误类型 | 典型报错 | 真实原因 |
|---|---|---|
| 尾随逗号 | Unexpected token } |
对象/数组最后一项后多写了逗号 |
| 单引号 | Unexpected token ' |
从 JS 字面量复制过来 |
| 括号不闭合 | Unexpected end of JSON input |
少了 } 或 ],报在文件末尾 |
| 注释 | Unexpected token / |
手写了 // 说明 |
| BOM 头 | Unexpected token 在 position 0 |
文件以 开头 |
定位心法只有一句:报错位置往前看。解析器是在遇到「无法继续的字符」时才报错的,笔误通常在它前面几行。具体到症状:
- 报在末尾 → 几乎一定是括号不闭合,从外往内数配对。
- 指向逗号 → 通常是多写了尾随逗号,而不是少写内容。
- 在 position 0 → 先查 BOM 和编码。
- 在中间某行 → 看这一行的上一行末尾。
position 的真实语义(前缀导致整体偏移、0 起与编辑器列号 1 起的差)见 JSON.parse 报错详解。日常最快的一步仍是把原始内容粘进 JSON 格式化工具,多数实现会直接标出出错行列。
JSON Schema:契约,不是文档
验证「是不是合法 JSON」只解决语法;验证「字段对不对、类型对不对」要靠 Schema:
{
"$schema": "https://json-schema.org/draft/2020-12/schema",
"type": "object",
"required": ["id", "email", "createdAt"],
"additionalProperties": false,
"properties": {
"id": { "type": "string", "format": "uuid" },
"email": { "type": "string", "format": "email" },
"age": { "type": "integer", "minimum": 0, "maximum": 150 },
"status": { "enum": ["active", "suspended", "deleted"] },
"createdAt": { "type": "string", "format": "date-time" }
}
}
生成出来的 Schema 只是宽松推断,要变成契约得人工做三件事:把确实必填的字段写进 required;给值域补约束(enum、format、minimum、minItems);把 additionalProperties 收紧,让未声明字段直接失败。
手写 Schema 容易和真实数据漂移,更稳的起点是拿一份真实响应生成初版(JSON Schema 生成工具),再逐项收紧。在 CI 里用 ajv 跑一遍,接口改动导致的结构破坏会在合并前暴露,而不是上线后变成 500。
大文件:内存是文本的 3–10 倍
最容易误判的一点:解析后内存占用通常是原始文本的 3–10 倍。每个键和值都会变成独立对象或字符串,附带指针与元数据开销。100MB 的 JSON,直接 JSON.parse 很可能需要 500MB–1GB 内存。
| 文件规模 | 建议做法 |
|---|---|
| < 10 MB | 直接 JSON.parse,不必优化 |
| 10–100 MB | 流式解析,或按批次切片处理 |
| > 100 MB | 必须流式,且考虑换行分隔的 JSONL 格式 |
| > 1 GB | 改用列式/二进制格式(Parquet、Arrow) |
| 库 | 语言 | 特点 |
|---|---|---|
simdjson |
C++ / 多语言绑定 | 利用 SIMD 指令,解析可达 GB/s 级 |
ijson |
Python | 惰性迭代,边读边产出 |
JSONStream |
Node.js | 按 JSONPath 增量抽取 |
serde_json StreamDeserializer |
Rust | 零拷贝友好 |
只需要大文件里的某几个字段时,不必解析整棵树:用 JSONPath 表达式直接定位,边解析边丢弃无关分支。表达式可以对着真实数据在 JSONPath 查询工具 上调好再写进代码。
结构对比:改完到底变了什么
改配置、升级接口之后,肉眼比对两个 JSON 几乎必然漏掉东西。正确做法是对比解析后的结构而非文本行:
- 键的增删 → 关注
required与兼容性。 - 值的变化 → 关注类型是否漂移(
"1"与1)。 - 数组顺序变化 → 判断业务上是否有序语义。
JSON Diff 给的是结构化差异,比 diff 的文本行差异可靠——后者会被缩进和换行差异淹没。
安全:解析 JSON 的四个真实风险
| 风险 | 危害 | 修法 |
|---|---|---|
eval() / new Function() 解析 |
远程代码执行,直接沦陷 | 一律用 JSON.parse |
| 原型链污染 | 深合并后篡改所有对象原型 | 合并前剔除 __proto__/constructor/prototype |
| 深度嵌套爆栈 | 递归解析器栈溢出,服务拒绝 | 解析前做深度上限校验 |
| 大整数精度丢失 | 金额/订单号静默变成错误值 | 超过 2^53-1 的字段用字符串传输 |
第 2 条最隐蔽:JSON.parse('{"__proto__":{"isAdmin":true}}') 返回的是个普通对象,__proto__ 只是一个普通键,单纯取值无害;危险发生在深合并之后——
const payload = JSON.parse('{"__proto__":{"isAdmin":true}}');
const config = {};
merge(config, payload); // 危险:污染 Object.prototype
console.log({}.isAdmin); // true —— 全站对象都被改了
第 4 条在金融、订单类接口里最致命:9007199254740993 解析后变成 9007199254740992,且不会报错。
常见任务速查表
| 任务 | 做法 | 工具 |
|---|---|---|
| 读懂压缩成一行的 JSON | 格式化(2 空格缩进) | JSON 格式化 |
| 排查解析报错 | 粘进去看行列号 | JSON 格式化 |
| 缩小传输体积 | 压缩去空白 | JSON 压缩 |
| 折叠浏览深层结构 | 树形查看器 | JSON 查看器 |
| 对比两版配置差异 | 结构化 diff | JSON Diff |
| 从响应反推 schema | 自动生成 + 人工收紧 | JSON Schema 生成 |
| 从大文件抽字段 | JSONPath 表达式 | JSONPath 查询 |
| 调试字段级正则 | 先验证 pattern | 正则测试 |
可复现的实测结果
格式化工具的「验证」不是摆设:把非法输入逐个粘进 JSON 格式化工具,报错会带行号列号指出位置——与 Python 的 json.loads 报的位置一致,因为两者遵循同一个 JSON 规范。
工作流建议:粘贴 → 看报错 → 修正 → 格式化 → 再最小化。最后一步最小化用于确认「结构信息没有丢」:压缩前后用 JSON 对比 跑一遍,差集为空才说明你只改了格式。