正则提取 JSON 字段的风险
JSON 是递归结构，字符串里可以出现转义引号、反斜杠与形似结构符号的内容，所以「用一条正则取出某个字段」在真实数据上并不可靠。正则在这一领域可靠的用法只有两种：从混杂文本里定位 JSON 片段，以及在格式完全由自己控制时提取字段。其余情况请用 JSON 解析器。
基本信息
| 结构特性 | 对象与数组可任意嵌套，字符串内可含转义引号与转义反斜杠 |
|---|---|
| 转义序列 | 常见有转义引号、反斜杠、斜杠、换行与 Unicode 转义形式 |
| 正则易错点 | 用非贪婪点星取字符串值，遇到值内转义引号会提前截断 |
| 推荐工具 | 语言内置 JSON 解析器、命令行 jq、JSONPath 查询 |
典型使用场景
- 日志中的 JSON 行：逐行解析而不是正则在整文件上匹配，避免跨行误配
- 从混杂文本里定位 JSON：先圈出大括号范围，再交给解析器处理
- 接口响应抽查：需要按字段取值时用解析器，正则只用于快速筛行
- 配置巡检：检查某字段是否出现，可以用正则粗筛，结论仍需解析器确认
- 数据迁移前预检：判断字段是否存在且类型正确，解析比模式匹配更可靠
可靠与不可靠的写法
可靠与不可靠的写法
# 可靠写法：字符串值处排除引号与反斜杠，再允许转义序列
"field"\s*:\s*"((?:[^"\\]|\\.)*)"
# 一并覆盖字符串、数字、布尔与空值，注意各类的分支顺序
"[^"]+"\s*:\s*(?:"((?:[^"\\]|\\.)*)"|(-?\d+(?:\.\d+)?)|(true|false|null))
# 不可靠写法：值内出现转义引号时会提前截断，取到残缺内容
"field"\s*:\s*"(.*?)"
# 正确做法：逐行解析，命令行可用 jq，代码里用内置解析器
jq -r '.field' data.ndjson
json.loads(line)['field']需求与手段选择
| 需求 | 正则风险 | 建议手段 |
|---|---|---|
| 取字符串字段 | 转义引号导致截断 | 解析器或 jq |
| 取数字字段 | 需与字符串分支区分 | 解析器按类型取值 |
| 判断字段是否存在 | 同名字段嵌套时会重复命中 | 解析后按键查找 |
| 修改字段值 | 替换会破坏转义与结构 | 解析、改值、重新序列化 |
| 定位 JSON 片段 | 跨行匹配性能差 | 先按行切分再解析 |
按行输出的 JSON（每行一个对象）与多行美化输出要分开处理：前者可以逐行解析，后者需要先按完整的括号范围切块，直接逐行解析会失败。
嵌套对象里可能出现同名的内层字段，正则按名称匹配会命中多处以偏概全；需要精确定位时用 JSONPath 之类路径查询，而路径表达式本身也不是正则。