如何在Python中处理JSON中的NaN或Infinity非法字符_通过simplejson库

经常处理跨语言数据交互的朋友，大概率都遇过这个场景：明明JSON格式看着没问题，一用simplejson.loads解析就直接报错。问题往往出在那些不合规范的浮点值——NaN、Infinity、-Infinity。标准JSON规范（ECMA-404）不允许这些值出现，所以Python的标准库json和simplejson都不买账，直接抛ValueError。

典型的触发场景很常见：前端用JSON.stringify({x: NaN})发送数据，或者某些数据库导出JSON时没清洗浮点异常值。粗暴处理？直接try/except吞错误再手动替换字符串？危险操作，容易误伤合法字段名里的"NaN"字符串。也不能指望ast.literal_eval，它本来就不是处理JSON格式的工具。

用simplejson.JSONDecoder的object_hook绕过非法浮点检查

说白了，核心思路就是在解析过程中拦截每个原始值，把JSON文本中的"NaN"、"Infinity"等字符串提前转成Python对应的float('nan')、float('inf')，再交给默认解码器继续处理。

这里有个常见误区：不是改parse_float参数——那个只作用于数字字面量，对字符串无效。正确做法是用object_hook预处理字典/列表里的所有值：

import simplejson as json

def handle_nan_inf(obj):
    if isinstance(obj, str):
        if obj == "NaN":
            return float("nan")
        elif obj == "Infinity":
            return float("inf")
        elif obj == "-Infinity":
            return float("-inf")
    elif isinstance(obj, dict):
        return {k: handle_nan_inf(v) for k, v in obj.items()}
    elif isinstance(obj, list):
        return [handle_nan_inf(v) for v in obj]
    return obj

data = json.loads('{"x": "NaN", "y": "Infinity", "z": [1, "NaN"]}', object_hook=handle_nan_inf)

# → {'x': nan, 'y': inf, 'z': [1, nan]}

不过要注意几点：

• object_hook必须递归处理嵌套结构，否则只生效于顶层键值
• 字符串匹配严格区分大小写，JSON规范里只有"NaN"，不是"nan"或"null"
• 如果源数据混合合法数字和非法字符串（比如"123"），千万别在object_hook里尝试float(obj)——会把所有数字字符串转成float，破坏整数精度

更安全的做法：预清洗JSON字符串再解析

再说第二种思路：当输入来源可控（比如你确定所有NaN都出现在值位置且前后有引号），用正则预处理比递归object_hook更轻量、更可预测。但必须严格锚定上下文，避免替换到字符串内容中：

import re
import simplejson as json

def clean_json_for_nan_inf(s):
    # 只替换被冒号+空格/换行+双引号包围的NaN/Infinity
    s = re.sub(r':\s*"NaN"', ': NaN', s)
    s = re.sub(r':\s*"Infinity"', ': Infinity', s)
    s = re.sub(r':\s*"-Infinity"', ': -Infinity', s)
    return s

raw = '{"score": "NaN", "msg": "user said NaN"}'
cleaned = clean_json_for_nan_inf(raw)
data = json.loads(cleaned, parse_constant=lambda x: float(x))

# → {'score': nan, 'msg': 'user said NaN'}

这里parse_constant参数是专为处理NaN/Infinity设计的，比parse_float更准确。正则替换后，simplejson会把NaN识别为常量而非字符串，自然触发parse_constant。如果JSON里有换行或复杂缩进，正则需增强（例如匹配任意空白\s*），但过度宽松可能误伤。

为什么不用json.loads + object_hook？

最后回答一个常见疑问：Python标准库json模块的object_hook在遇到NaN字符串时根本不会调用——因为解析器在进入object_hook前就已因非法值崩溃。这是simplejson和json的关键差异：simplejson允许你在object_hook里接管所有原始类型（包括字符串），而标准json只传入已成功解析的dict/list。

所以选择方案时可以参考这个思路：

• 如果项目已经用了simplejson，优先选object_hook方案，逻辑清晰、不依赖字符串操作
• 如果项目强制用标准json，只能走正则预清洗+parse_constant，且要确保simplejson没被意外导入覆盖
• 无论哪种方式，都得测试float('nan') == float('nan')返回False——后续做相等判断时不能用==，得用math.isnan()