本文探讨了在 python 中将已编码的 json 字符串作为字典字段值进行二次序列化时，出现字符转义的常见问题。核心观点是，这种看似“双重编码”的现象并非错误，而是标准行为。关键在于消费者需要执行对称的两步解码过程：首先解析外部 json 结构，然后将内部的 json 字符串再次解析，以正确还原原始数据。
在数据传输和存储场景中，我们经常需要将复杂的数据结构序列化为 JSON 字符串。一个常见的场景是，一个字典中的某个字段本身就包含一个已经 JSON 编码的字符串。当尝试对包含这种字段的整个字典进行二次 JSON 编码时，我们可能会观察到内部 JSON 字符串中的双引号被转义（例如 "），这常常引起困惑，被误认为是“双重编码”的错误。然而，这实际上是 json.dumps 函数在处理字符串值时的标准行为，并且可以通过正确的解码策略来解决。
场景描述与问题分析
考虑一个初始的 Python 字典，我们可能使用 fastavro 或 json.dumps 将其序列化为 JSON 字符串。
import json
from datetime import datetime
from io import StringIO
import fastavro
# 原始数据字典
message = {
"name": "any",
"ingestion_ts": datetime.utcnow(),
"values": {
"amount": 5,
"countries": ["se", "nl"],
"source": {
"name": "web",
"url": "whatever"
}
}
}
# 假设 avro_schema 已定义，用于 fastavro 编码
avro_schema = """
{
"type": "record",
"name": "MyMessage",
"fields": [
{"name": "name", "type": "string"},
{"name": "ingestion_ts", "type": {"type": "long", "logicalType": "timestamp-millis"}},
{"name": "values", "type": {
"type": "record",
"name": "Values",
"fields": [
{"name": "amount", "type": "int"},
{"name": "countries", "type": {"type": "array", "items": "string"}},
{"name": "source", "type": {
"type": "record",
"name": "Source",
"fields": [
{"name": "name", "type": "string"},
{"name": "url", "type": "string"}
]
}}
]
}}
]
}
"""
# 使用 fastavro 将字典编码为 JSON 字符串
fo = StringIO()
fastavro.json_writer(fo, json.loads(avro_schema), [message])
message_str = fo.getvalue()
print(f"首次编码结果 (message_str):
{message_str}
")
# 示例输出: '{"name": "any", "ingestion_ts": 1703192665965373, "values": {"amount": 5, "countries": ["se", "nl"], "source": {"name": "web", "url": "whatever"}}}'现在，我们需要将这个 message_str 字符串嵌入到一个新的字典中，作为 payload 字段的值，然后再次对其进行 JSON 序列化。
# 外部包装字典，模拟消息队列的期望格式
wrap = {
"sys": "my_system",
"op": "c",
"payload": message_str # payload 字段的值是一个已编码的 JSON 字符串
}
# 对外部字典进行二次 JSON 编码
wrap_str = json.dumps(wrap)
print(f"二次编码结果 (wrap_str):
{wrap_str}
")
# 示例输出: '{"sys": "my_system", "op": "c", "payload": "{\"name\": \"any\", \"ingestion_ts\": 1703192665965373, \"values\": {\"amount\": 5, \"countries\": [\"se\", \"nl\"], \"source\": {\"name\": \"web\", \"url\": \"whatever\"}}}"}'从 wrap_str 的输出中可以看出，payload 字段的值被包裹在额外的双引号中，并且内部的原始双引号被转义成了 "。这并非 json.dumps 的错误，而是其正确处理字符串字面量的方式。当 json.dumps 遇到一个字符串值时，它会确保该字符串在最终的 JSON 输出中被正确地表示为一个 JSON 字符串。这意味着任何特殊字符（如双引号、反斜杠等）都需要被转义，以区分字符串内容和 JSON 结构本身。
立即学习“Python免费学习笔记（深入）”；
正确的解码策略
解决“双重编码”问题的关键在于理解和实施对称的解码过程。如果数据经过了两次 JSON 编码，那么消费者也应该执行两次 JSON 解码。
# 模拟消费者接收到 wrap_str
received_wrap_str = wrap_str
# 第一步解码：解析外部 JSON 结构
wrapped_object = json.loads(received_wrap_str)
print(f"第一步解码结果 (wrapped_object):
{wrapped_object}
")
# 获取 payload 字段的值，它仍然是一个 JSON 字符串
payload_json_str = wrapped_object["payload"]
print(f"从 wrapped_object 获取的 payload 字符串:
{payload_json_str}
")
# 第二步解码：解析内部的 JSON 字符串
# 如果原始数据是 fastavro 编码的，则使用 fastavro.json_reader
# 如果原始数据是 json.dumps 编码的，则使用 json.loads
decoded_payload = []
for record in fastavro.json_reader(StringIO(payload_json_str), json.loads(avro_schema)):
decoded_payload.append(record)
print(f"第二步解码结果 (decoded_payload):
{decoded_payload}
")
# 验证解码结果是否与原始 message 匹配
# 注意：datetime 对象因为毫秒精度或时区差异，其时间戳值可能略有不同，
# 此处仅作结构和主要内容的比较以验证数据还原。
assert decoded_payload[0]["name"] == message["name"]
assert decoded_payload[0]["values"]["amount"] == message["values"]["amount"]
print("数据成功还原！")通过上述两步解码，我们可以完全还原原始的数据结构，证明了这种“双重编码”并非问题，而是 JSON 规范下处理嵌套字符串的正常行为。
注意事项与最佳实践
- 编码与解码的对称性：这是处理嵌套序列化数据的核心原则。如果数据在发送前经过 N 次序列化，那么在接收端就必须经过 N 次反序列化才能恢复原始数据。
- 明确数据类型：在设计数据传输协议或 API 时，务必清晰地指出某个字段是 JSON 字符串，而不是一个直接的 JSON 对象。例如，如果目标 schema 明确规定 payload 字段的类型是 string，那么将一个已编码的 JSON 字符串作为其值是完全符合预期的。
-
避免不必要的序列化/反序列化：如果 payload 字段的接收者期望的是一个 JSON 对象（即 Python 字典/列表），那么在包装时就不应该提前将其序列化为字符串。而应该直接将 Python 字典赋值给 payload 字段，让 json.dumps 在最后一步统一处理。
# 示例：如果消费者期望 payload 是一个 JSON 对象 # 假设原始 message 是一个 Python 字典，且外部 schema 定义 payload 为对象类型 # wrap_correct_for_object_payload = { # "sys": "my_system", # "op": "c", # "payload": message # 直接放入 Python 字典对象 # } # wrap_str_final = json.dumps(wrap_correct_for_object_payload) # 此时，message 会被 json.dumps 自动编码为 JSON 对象，不会出现转义问题。然而，在本文的场景中，外部 schema 明确要求 payload 是 string 类型，因此将已编码的 JSON 字符串赋值给 payload 是正确的做法。
- 文档化：对于复杂的嵌套数据结构，务必清晰地文档化其编码和解码流程，特别是对于不同层级的数据可能采用不同序列化方式（如 Avro JSON 与标准 JSON）的情况，这对于消费者正确解析数据至关重要。
总结
当 Python 字典的一个字段需要包含一个已编码的 JSON 字符串时，对其进行二次 JSON 序列化会导致内部双引号被转义。这并非错误，而是 json.dumps 处理字符串字面量的标准行为。解决此问题的关键在于消费者需要执行对称的两步解码过程：首先使用 json.loads 解析外部 JSON 结构，然后从结果中提取内部的 JSON 字符串，并再次使用相应的解码器（如 json.loads 或 fastavro.json_reader）进行解析。理解并遵循这一原则，可以有效地处理嵌套 JSON 字符串的编码与解码问题，确保数据传输的完整性和正确性。
