Proč se čínský text v JSON mění na \u4e2d\u6587?

Jde o Unicode escapování, nikoli o poškození. Posloupnost \u4e2d\u6587 se dekóduje jako „中文“ a `JSON.parse` ji automaticky obnoví, takže chování není ovlivněno. Escapovaný výstup obvykle znamená, že serializátor je nastaven pro čisté ASCII, což je výchozí stav v Pythoním `json.dumps` (`ensure_ascii=True`). Vypněte to, abyste viděli čitelné znaky. Pokud místo toho dostanete něco jako „æµ‹è¯•“, jde o skutečný mojibake z nesouladu kódování a ten potřebuje jinou opravu.

Proč se čínština mění na \u4e2d\u6587

Shrnutí: Escape sekvence `\u4e2d\u6587` je legální Unicode, nikoli selhání kódování. Skutečný mojibake vypadá jinak a rozlišení rozhoduje o tom, co vlastně potřebujete opravit.

Začátečník~3 min čteníPublikováno 2026-10-30Aktualizováno 2026-10-30

Unicode escapování versus skutečný mojibake v JSON

Stručně: výstup \uXXXX považujte za legální escapování, potvrďte, že projde obousměrným převodem přes JSON.parse, a když chcete čitelnou čínštinu, vypněte serializaci do čistého ASCII, například ensure_ascii=False; escapování ponechte jen pro přenosy, které neunesou non-ASCII.

Protože byl escapován, nikoli poškozen.

复制JSON.parse('"\\u4e2d\\u6587"')  // "中文"

\u4e2d je 中 a \u6587 je 文. Jsou to legální escape sekvence; každý parser je obnoví. Nic není rozbité – jen to není čitelné v logech, diffech a odchytech paketů.

Kdo escapování provádí

Nástroj	Výchozí	Přepínač
Python `json.dumps`	Escapuje (`ensure_ascii=True`)	`ensure_ascii=False`
JavaScript `JSON.stringify`	Neescapuje	—
Java Jackson	Neescapuje	Volitelné
PHP `json_encode`	Neescapuje od 5.4	—
Go `encoding/json`	Neescapuje	—

Python je zdaleka nejčastější zdroj. Výchozí nastavení existuje z důvodu: výstup v čistém ASCII přežije jakýkoli přenos. Cenou je, že každý non-ASCII znak se stane šesti znaky.

Escapování versus mojibake

Escapování: \u4e2d\u6587, odpovídající \uXXXX. Způsobeno nastavením serializátoru. Mojibake: æµ‹è¯•, 涓枃. Způsobeno zápisem bajtů UTF-8 a jejich čtením jako Latin-1 nebo GBK.

Rychlý test: vložte text do konzole prohlížeče jako JSON.parse('"…"'). Pokud se vrátí čitelný, šlo o escapování. Pokud selže nebo zůstane rozsypaný, jde o nesoulad kódování – a oprava je srovnat kódování, nikoli sahat na serializátor.

Vypnutí

复制json.dumps(data, ensure_ascii=False)

Poté ověřte downstream: některé legacy systémy skutečně spoléhají na přenos pouze v ASCII, zejména SMS brány a starší mailové relays.

Kdy je escapování správnou volbou

Přenosy nepřátelské k non-ASCII (legacy HTTP hlavičky, některé SMS brány)
JSON vnořený do jiného řetězce JSON, kde escapování snižuje konflikty uvozovek
Logovací pipeline, které zkracují po bajtech a rozdělily by vícebajtový znak

Jinak preferujte čitelnost a vypněte ho.

Časté dotazy

Proč Python ve výchozím nastavení escapuje čínštinu?

Protože ensure_ascii=True je výchozí, což zaručuje výstup v čistém ASCII, který přežije jakýkoli přenos. Cenou je, že každý non-ASCII znak se stane šesti znaky.

Mám vypnout ensure_ascii?

Vypněte ho, když záleží na čitelnosti. Poté ověřte downstream – legacy HTTP hlavičky, některé SMS brány a logovací pipeline, které zkracují po bajtech, mohou stále spoléhat na obsah pouze v ASCII.

Co se stane, když přenos neunese non-ASCII?

Escapování ponechte. Když je JSON vnořen do jiného řetězce JSON nebo cestuje kanálem nepřátelským k non-ASCII, escapování zabraňuje konfliktům uvozovek a brání rozdělení vícebajtových znaků.