JSON 工具箱

同一份 JSON,兩個工具兩種結論:解析器差異與校驗的信任邊界

結論:校驗工具說 JSON 沒問題,下游卻炸了,多半不是誰寫錯了,而是兩個解析器對同一份文字給出了不同結論。這篇把重複鍵、NUL 位元組、無效 UTF-8、NaN、前導零這些邊界逐個實測,講清 CVE-2026-33948 怎麼把解析器差異變成攻擊面,以及怎麼給每個邊界指定唯一裁決者。

實戰約 6 分鐘發佈於 2026-11-11更新於 2026-11-11
兩台裝置對同一份 JSON 檔案給出通過與報錯兩種結論的封面

通過校驗只證明一件事:這份文字在「那個解析器、那套策略」下被接受了。換一個解析器,結論隨時可能反過來。

現象:同一份資料,A 工具通過、B 工具報錯

先看一個最常見的現場。線上介面回傳了一筆資料,用線上格式化工具貼進去,綠色對勾;交給下游服務,拋出例外。把兩邊解析器擺到一起逐字元比對,通常不是誰「寫錯了」,而是這份資料恰好踩在兩個實作的分歧點上。

這類分歧點不多,但每一個都很常見。下面這張表是幾類高頻輸入在主流工具裡的實際行為(實測環境:Node 22 的 JSON.parse、Python 3.11 標準庫 json、jq 1.8、主流線上校驗器):

輸入 Node JSON.parse Python json.loads jq 說明
{"a":1,"a":2} 重複鍵 接受,保留後者 接受,保留後者 接受,保留後者 RFC 8259 只寫 SHOULD,四個都放行
{"n":NaN} 報錯 接受 報錯 Python 標準庫預設放行,是最大的靜默坑
{"n":01} 前導零 報錯 報錯 報錯 一致拒絕,但報錯位置各不相同
"中文" 存成 GBK 位元組 報錯或亂碼 取決於編碼宣告 報錯 RFC 要求 UTF-8,但讀檔時的編碼歸 IO 層管
{"a":1} 後面跟 BOM 報錯 接受(utf-8-sig) 報錯 誰剝 BOM 誰說了算
註解、單引號、尾逗號 報錯 報錯 報錯 JSON5/JSONC 解析器才接受,見 /json5

注意第二行:json.loads('{"cpu":NaN}') 在 Python 裡是合法的。標準庫為了相容歷史輸出,預設把 NaN/Infinity 當數字放行,很多流水線把這幾行垃圾資料當成正常記錄算進了統計結果,資料被污染了都察覺不到。要攔住它,必須顯式傳 parse_constant,後面給程式碼。

差異從哪來:規範留白與實作自作主張

RFC 8259 其實並不含糊,它只是刻意留了三塊「交給實作決定」的餘地,而每個實作填法不同。

第一塊是物件名的唯一性。第 4 節原文說物件「SHOULD be unique」——應當唯一,但不是必須。也就是說重複鍵不算語法錯誤,各語言解析器普遍選擇「後者覆蓋前者」;而業務校驗器看到的是覆蓋之後的值,發送方寫進去的前一個值從此消失,沒有報錯、沒有日誌。

第二塊是數字。語法層只規定形如 int frac exp 的寫法,數值範圍交給實作:JavaScript 一律按 IEEE 754 雙精度處理,9007199254740993 會變成 ...992;jq 1.8 起字面量按十進制保留,但一做算術還是回到雙精度。同一份資料在比較、儲存、傳輸三個環節可能呈現三個不同的值。

第三塊是 UTF-8 與不可見字元。規範要求 exchanged JSON 必須是 UTF-8,但「檔案怎麼讀、BOM 剝不剝、非法位元組怎麼處理」都屬於 IO 層決策。同一份位元組流,Python 用 utf-8 還是 utf-8-sig 開啟,結論就不同。

還有第四種來源:寬鬆方言。JSON5 允許註解、單引號、尾逗號;JSONC 在 VS Code 生態裡同樣放寬。設定檔用寬鬆解析器、介面用嚴格解析器,是同一家團隊裡最常見的分歧配置。

CVE-2026-33948:差異不修,就會變成攻擊面

解析器差異平時只是體驗問題,一旦「解析」和「校驗」用了兩個不同實作,它就成了攻擊面。2026 年披露的 CVE-2026-33948 是一個標準樣本:jq 在 1.8.2 之前的版本從檔案讀取 JSON 時,允許在輸入裡嵌入 NUL 位元組(\0),導致同一段輸入被兩個環節給出不同結論——校驗環節把它當作「到此結束」,實際處理環節卻把後面的內容繼續讀了進去,校驗繞過就此成立。GitHub 官方安全通告確認,修復方式是升級到 1.8.2。

把這條漏洞抽象一下:任何「先校驗、後解析」的鏈路,只要兩步的實作或配置不一致,攻擊者構造一個「校驗器認為無效、解析器認為有效」的輸入,就能讓惡意載荷繞過檢查。同類問題在閘道層同樣成立——閘道按一套規則拒絕請求,後端服務用另一個解析器卻接受了同一份請求體,API7 把這稱為 strict parsing 必須寫入 API 契約的原因:解析語義是契約的一部分,而不是實作的私有行為。

自查只需要一條命令——先確認所有環節的 jq 版本一致,並且都包含這個修復:

jq --version
# jq-1.7.1  ← 有漏洞,升級
# jq-1.8.2  ← 已修復

重複鍵:被靜默吞掉的最後一個值

值得單獨把重複鍵拎出來講,因為它是唯一一個「所有主流解析器都放行、但幾乎所有人都以為會報錯」的邊界。

import json

text = '{"role": "guest", "role": "admin"}'
data = json.loads(text)
print(data)          # {'role': 'admin'}
print("guest" in data.values())  # False:第一個值已經沒了

用 json.loads 做簽章校驗或權限判斷時,這段程式碼意味著:攻擊者可以多塞一個同名字段把權限頂掉,而你的校驗程式碼看到的只是最終值。Node 的 JSON.parse 行為相同。要偵測而不是靜默覆蓋,Python 可以掛 object_pairs_hook:

from collections import Counter

def reject_dup(pairs):
    counts = Counter(k for k, _ in pairs)
    dup = [k for k, c in counts.items() if c > 1]
    if dup:
        raise ValueError(f"duplicate keys: {dup}")
    return dict(pairs)

data = json.loads('{"a":1,"a":2}', object_pairs_hook=reject_dup)
# ValueError: duplicate keys: ['a']

RFC 8259 第 4 節對互操作性寫得很直接:為了可預測,物件名應當唯一。把它從 SHOULD 升級成校驗規則,成本只有一次遍歷,收益是讓「兩個工具兩種結論」少一個最常見的來源。

怎麼改:給每個邊界指定唯一裁決者

修這類問題不是「換一個更嚴的解析器」就完事,而是讓每個邊界點都有明確的、寫下來的裁決策略,並保證校驗與執行用的是同一套。下表可以直接當評審清單用:

邊界 寬鬆預設行為 建議裁決 代表性配置
重複鍵 後值覆蓋 拒絕 Python object_pairs_hook、Go json/v2 預設拒絕
NaN / Infinity Python 放行 拒絕 Python parse_constant 拋出例外
未知欄位 靜默忽略 按契約決定 Go json/v2 RejectUnknownMembers(true)
無效 UTF-8 各家不同 拒絕 解碼層顯式校驗位元組流
BOM 誰剝誰說了算 統一在入口剝一次 讀檔固定 utf-8-sig 或先剝 BOM
解析與校驗分離 各用各的 同一實作同一配置 校驗函式複用業務解析器

Python 一側把兩個最危險的預設關掉,只需要一行建構參數:

import json

def _reject(value):
    raise ValueError(f"non-standard constant: {value}")

data = json.loads(
    raw,
    parse_constant=_reject,          # 攔下 NaN / Infinity
    object_pairs_hook=reject_dup,    # 攔下重複鍵
)

Go 1.25 之後的 encoding/json/v2(以 jsonv2 別名使用)把這套策略做成了顯式選項:RejectUnknownMembers(true) 拒絕未知欄位,重複名與無效 UTF-8 預設拒絕。GopherForge 的實踐頁把順序講得很清楚:先限定輸入位元組數、再按顯式策略解碼、然後做業務校驗與授權、最後才允許副作用——並且每一步的失敗路徑都要用 fixture 實測過,而不是只看錯誤訊息變了沒有。

把解析策略寫進契約與語料

策略定下來了,還要防漂移。兩個動作就夠了。

第一,把「接受什麼、拒絕什麼」寫進介面文件,和欄位定義放在一起。API7 的建議是給錯誤一個穩定碼,讓客戶端能區分「永久性契約錯誤」和「暫時性基礎設施故障」——重複鍵被拒不應該長得像閘道逾時,否則會觸發無意義的重試風暴。日誌裡不要回顯完整請求體,原始報文可能帶憑證,某些非法位元組序列直接列印還有風險。

第二,建一套歧義語料(fixture corpus),把上面表格裡的每一行做成一個測試案例:重複鍵、大小寫不同的鍵、未知欄位、無效 UTF-8、BOM、結尾多一個值、空字串。CI 裡跑兩組斷言:非法輸入必須失敗且不產出可用的部分值;合法輸入通過後做一次 encode/decode 往返,確認值沒有變化。升級解析器版本時,用生產形態的樣本在受保護環境裡做一次新舊對比(comparison mode),把「接受集合的變化」當成一次真實的契約變更來評審,而不是假設舊用例還能覆蓋一切。

這些動作和 JSON 校驗進 CI:jsonlint、ajv 與 jq 的流水線 是互補關係:那篇講語法校驗與 Schema 校驗怎麼排進流水線,這篇講流水線第一個節點之前——解析器本身——要鎖死哪些語義。漏洞與注入類風險(原型污染、__proto__ 鍵、XSS)在 JSON 處理中的安全風險清單 裡有完整覆蓋;重複鍵與 NUL 這類「解析層」的信任鏈問題,正是那份清單的第零層。語法層報錯的定位方法則見 從 RFC 8259 讀懂 JSON 語法邊界。

怎麼避:上線前五條清單

  1. 全鏈路解析器版本對齊:jq、語言執行時、閘道、離線校驗工具逐個 --version,CVE-2026-33948 類修復必須全網到位;
  2. 重複鍵與 NaN 顯式拒絕:object_pairs_hook 與 parse_constant 寫進公共封裝,不允許業務程式碼直接裸調 json.loads;
  3. 未知欄位按路由決定:向前相容的消費方允許忽略,命令類端點必須 RejectUnknownMembers;
  4. 歧義語料進 CI:至少 8 個 fixture,升級解析器時先跑新舊對比再合入;
  5. 錯誤可分類:契約錯誤與基礎設施錯誤用不同錯誤碼,客戶端只對後者重試。

最後回到開頭那句:校驗通過是「在某個解析器的某套策略下被接受」。把這個「某套策略」從隱式變成顯式,寫進契約、測進語料、鎖進版本,「兩個工具兩種結論」才會真正消失。

常見問題

重複鍵在 JSON 規範裡到底算不算錯誤?

不算語法錯誤。RFC 8259 第 4 節用「SHOULD be unique」表述,屬於建議而非強制,所以所有主流解析器都接受重複鍵,預設行為是後值覆蓋前值。規範同時建議為了互操作性保持唯一。要不要把它升級成校驗錯誤,由你的契約決定,檢測成本是一次遍歷。

為什麼 Python 的 json 庫會接受 NaN,JavaScript 卻報錯?

Python 標準庫為了能讀回自己歷史上有損輸出的資料,預設放行 NaN、Infinity,這是刻意的相容行為;ECMAScript 的 JSON.parse 嚴格按語法實作,遇到 NaN 直接拋 SyntaxError。在 Python 裡傳 parse_constant 參數即可拒絕,一行設定就能對齊兩個執行時的行為。

CVE-2026-33948 影響哪些版本,怎麼修?

jq 1.8.2 之前的版本從檔案讀取 JSON 時,輸入中嵌入的 NUL 位元組會導致校驗與實際解析對同一段輸入給出不同結論,形成校驗繞過。GitHub 官方通告的修復方式是升級到 1.8.2 或包含提交 6374ae0 之後的建構。腳本與 CI 裡應固定版本並在升級前跑一遍歧義語料。

我只在入口校驗一次,後面都用同一份解析結果,還有風險嗎?

有,但風險轉移到了「入口」這一個點。只要入口的解析器、配置、版本被鎖定,並且歧義語料覆蓋了重複鍵、NUL、UTF-8 這些邊界,內部就不再有第二個裁決者,鏈路是一致的。真正危險的是「閘道一套實作、服務另一套實作」或者「校驗用 A、執行用 B」的拓撲,那等於把裁決權交給了分歧本身。

參考資料

同系列工具

相關文章

JSON 校驗進 CI:jsonlint、ajv 與 jq 的流水線

語法校驗只能保證檔案「能解析」,Schema 校驗才能保證欄位「符合約定」。把兩者放進 CI,關鍵不是選哪個工具,而是讓退出碼、報錯定位與修復路徑都清楚。

進階約 10 分鐘更新於 2026-10-31

JSON 處理中的安全風險清單

JSON.parse 本身很安全,危險的是它之後發生的事:深合併、按路徑賦值、內聯到 HTML、無限制的深度與體積。

進階約 12 分鐘更新於 2026-10-30

從 RFC 8259 讀懂 JSON 語法邊界

把 RFC 8259 的語法產生式翻譯成人話:哪些字元能直接出現、哪些必須轉義、規範在哪些地方刻意留白。

入門約 11 分鐘更新於 2026-10-30