Mengapa teks Tionghoa berubah menjadi \u4e2d\u6587 di JSON?

Itu Unicode escaping, bukan kerusakan. Urutan \u4e2d\u6587 didekode menjadi "中文", dan JSON.parse memulihkannya secara otomatis, sehingga perilakunya tidak terpengaruh. Output yang di-escape biasanya berarti serializer dikonfigurasi untuk ASCII murni, yang merupakan default di json.dumps milik Python (ensure_ascii=True). Matikan itu untuk melihat karakter yang terbaca. Jika yang Anda dapat justru tampak seperti "æµ‹è¯•", itu mojibake sungguhan akibat encoding yang tidak cocok dan membutuhkan perbaikan yang berbeda.

Mengapa teks Tionghoa berubah menjadi \u4e2d\u6587

Intinya: Escape \u4e2d\u6587 adalah Unicode yang legal, bukan kegagalan encoding. Mojibake sungguhan tampak berbeda, dan membedakan keduanya menentukan apa yang sebenarnya perlu Anda perbaiki.

Pemula±3 menit bacaDiterbitkan 2026-10-30Diperbarui 2026-10-30

Unicode escaping versus mojibake sungguhan di JSON

Intinya: perlakukan output \uXXXX sebagai escaping yang legal, pastikan ia kembali utuh melalui JSON.parse, dan matikan serialisasi ASCII murni seperti ensure_ascii=False ketika Anda ingin teks Tionghoa yang terbaca; pertahankan escaping hanya untuk transport yang tidak dapat membawa non-ASCII.

Karena teksnya di-escape, bukan dirusak.

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

\u4e2d adalah 中 dan \u6587 adalah 文. Ini urutan escape yang legal; parser apa pun memulihkannya. Tidak ada yang rusak — hanya saja tidak terbaca di log, diff dan packet capture.

Siapa yang melakukan escaping

Alat	Default	Saklar
Python `json.dumps`	Melakukan escape (`ensure_ascii=True`)	`ensure_ascii=False`
JavaScript `JSON.stringify`	Tanpa escaping	—
Java Jackson	Tanpa escaping	Opsional
PHP `json_encode`	Tanpa escaping sejak 5.4	—
Go `encoding/json`	Tanpa escaping	—

Python sejauh ini adalah sumber paling umum. Default itu ada alasannya: output ASCII murni bertahan di transport apa pun. Biayanya adalah setiap karakter non-ASCII menjadi enam karakter.

Escaping versus mojibake

Escaping: \u4e2d\u6587, cocok dengan \uXXXX. Disebabkan oleh pengaturan serializer. Mojibake: æµ‹è¯•, 涓枃. Disebabkan oleh menulis byte UTF-8 lalu membacanya sebagai Latin-1 atau GBK.

Uji cepat: tempel teks ke konsol browser sebagai JSON.parse('"…"'). Jika hasilnya kembali terbaca, itu escaping. Jika gagal atau tetap rusak, itu ketidakcocokan encoding — dan perbaikannya adalah menyelaraskan encoding, bukan menyentuh serializer.

Mematikannya

复制json.dumps(data, ensure_ascii=False)

Lalu verifikasi di hilir: sebagian sistem lama memang bergantung pada transport ASCII-only, khususnya gateway SMS dan relay email lama.

Kapan escaping adalah pilihan yang tepat

Transport yang bermusuhan dengan non-ASCII (header HTTP lama, sebagian gateway SMS)
JSON yang disematkan di dalam string JSON lain, di mana escaping mengurangi konflik tanda kutip
Pipeline log yang memotong berdasarkan byte dan akan memecah karakter multi-byte

Selain itu, utamakan keterbacaan dan matikan.

FAQ

Mengapa Python meng-escape teks Tionghoa secara default?

Karena ensure_ascii=True adalah default, yang menjamin output ASCII murni yang bertahan di transport apa pun. Biayanya adalah setiap karakter non-ASCII menjadi enam karakter.

Haruskah saya mematikan ensure_ascii?

Matikan bila keterbacaan penting. Lalu verifikasi di hilir — header HTTP lama, sebagian gateway SMS dan pipeline log yang memotong berdasarkan byte mungkin masih bergantung pada konten ASCII-only.

Apa yang terjadi jika transport tidak dapat membawa non-ASCII?

Pertahankan escaping. Ketika JSON disematkan di dalam string JSON lain, atau melewati kanal yang bermusuhan dengan non-ASCII, escaping menghindari konflik tanda kutip dan mencegah karakter multi-byte terpecah.