Dlaczego chiński tekst zamienia się w \u4e2d\u6587 w JSON-ie?

To ucieczka Unicode, a nie uszkodzenie. Sekwencja \u4e2d\u6587 dekoduje się do „中文”, a JSON.parse automatycznie ją przywraca, więc zachowanie pozostaje niezmienione. Wyjście escape'owane zwykle znaczy, że serializator jest skonfigurowany na czysty ASCII, co jest domyślne w Pythonowym json.dumps (ensure_ascii=True). Wyłącz to, aby zobaczyć czytelne znaki. Jeśli zamiast tego dostajesz coś w stylu „æµ‹è¯•”, to prawdziwy mojibake z niedopasowanych kodowań i wymaga innej poprawki.

Dlaczego chiński zamienia się w \u4e2d\u6587

Podsumowanie: Sekwencja ucieczki \u4e2d\u6587 to legalny Unicode, a nie awaria kodowania. Prawdziwy mojibake wygląda inaczej, a rozróżnienie ich decyduje, co naprawdę trzeba naprawić.

Początkujący~3 min czytaniaOpublikowano 2026-10-30Zaktualizowano 2026-10-30

Ucieczka Unicode a prawdziwy mojibake w JSON

Najważniejsze: traktuj wyjście \uXXXX jako legalną ucieczkę, potwierdź, że przechodzi w obie strony przez JSON.parse, i wyłącz serializację czysto ASCII, taką jak ensure_ascii=False, gdy chcesz czytelnego chińskiego; zachowaj ucieczkę tylko dla transportów, które nie potrafią nieść nie-ASCII.

Bo został escape'owany, a nie uszkodzony.

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

\u4e2d to 中, a \u6587 to 文. To legalne sekwencje ucieczki; każdy parser je przywraca. Nic nie jest zepsute — jest tylko nieczytelne w logach, diffach i przechwyconym ruchu.

Kto wykonuje ucieczkę

Narzędzie	Domyślnie	Przełącznik
Python `json.dumps`	Escape'uje (`ensure_ascii=True`)	`ensure_ascii=False`
JavaScript `JSON.stringify`	Nie escape'uje	—
Java Jackson	Nie escape'uje	Opcjonalne
PHP `json_encode`	Nie escape'uje od 5.4	—
Go `encoding/json`	Nie escape'uje	—

Python jest zdecydowanie najczęstszym źródłem. Domyślność istnieje nie bez powodu: wyjście czysto ASCII przetrwa każdy transport. Kosztem jest to, że każdy znak nie-ASCII staje się sześcioma znakami.

Ucieczka a mojibake

Ucieczka: \u4e2d\u6587, pasujące do \uXXXX. Spowodowane ustawieniami serializatora. Mojibake: æµ‹è¯•, 涓枃. Spowodowane zapisaniem bajtów UTF-8 i odczytaniem ich jako Latin-1 lub GBK.

Szybki test: wklej tekst do konsoli przeglądarki jako JSON.parse('"…"'). Jeśli wraca czytelnie, to była ucieczka. Jeśli zawodzi lub pozostaje zniekształcone, to niezgodność kodowań — a poprawką jest wyrównanie kodowań, a nie dotykanie serializatora.

Wyłączanie jej

复制json.dumps(data, ensure_ascii=False)

Potem zweryfikuj downstream: niektóre odziedziczone systemy naprawdę polegają na transporcie wyłącznie ASCII, zwłaszcza bramki SMS i starsze przekaźniki mailowe.

Kiedy ucieczka jest właściwym wyborem

Transporty wrogie wobec nie-ASCII (odziedziczone nagłówki HTTP, część bramek SMS)
JSON osadzony w innym łańcuchu JSON, gdzie ucieczka redukuje konflikty cudzysłowów
Potoki logów obcinające po bajtach, które podzieliłyby znak wielobajtowy

Poza tym preferuj czytelność i wyłącz ją.

FAQ

Dlaczego Python domyślnie escape'uje chiński?

Bo ensure_ascii=True jest domyślne, co gwarantuje wyjście czysto ASCII, które przetrwa każdy transport. Kosztem jest to, że każdy znak nie-ASCII staje się sześcioma znakami.

Czy wyłączać ensure_ascii?

Wyłącz, gdy liczy się czytelność. Potem zweryfikuj downstream — odziedziczone nagłówki HTTP, część bramek SMS i potoki logów obcinające po bajtach mogą nadal polegać na treści wyłącznie ASCII.

Co jeśli transport nie potrafi nieść nie-ASCII?

Zachowaj ucieczkę. Gdy JSON jest osadzony w innym łańcuchu JSON albo podróżuje kanałem wrogim wobec nie-ASCII, ucieczka unika konfliktów cudzysłowów i zapobiega podziałowi znaków wielobajtowych.