企业官网建设流程全解析

1. 从“数据搬运工”到“系统粘合剂”：我眼中的JSON

干了这么多年开发，从写前端页面到调后端接口，再到设计微服务之间的数据交换，有一个东西几乎无处不在，却又常常被我们习以为常地忽略其精妙之处——那就是JSON。你可能觉得，JSON不就是个轻量级的数据格式吗？用JSON.parse()和JSON.stringify()就能搞定，有什么好讲的？最开始我也这么想，直到我踩过一堆坑：接口字段莫名其妙变小写导致前端报错、嵌套过深的JSON解析起来性能堪忧、不同系统对日期格式的解析差异导致时间错乱、甚至因为一个多余的逗号让整个服务挂掉。我才意识到，真正用好JSON，远不止调用两个API那么简单。

JSON，全称JavaScript Object Notation，虽然名字里带着JavaScript，但它早已超越了前端领域，成为现代软件开发的“通用语”。无论是Web API的请求响应、配置文件（比如Nacos里的配置中心）、日志格式、甚至是像TVBox这类应用的自定义接口源，JSON都扮演着核心角色。它结构清晰、易于人阅读和编写，同时也易于机器解析和生成。但正是这种“简单”，让很多开发者放松了警惕，忽略了其背后的规范、性能陷阱以及在不同场景下的最佳实践。

这篇文章，我想和你聊聊JSON那些“教科书里不会细讲”的部分。我们不会停留在“什么是键值对”的层面，而是会深入探讨：如何写出健壮、高效的JSON解析与生成代码？面对复杂的嵌套结构，有哪些工具和技巧可以提升效率？在不同编程语言和环境中（如Python登录、Java Spring Boot字段映射、C++解析库选择），处理JSON有哪些独特的“坑”和“最佳姿势”？以及，如何利用JSON作为数据交换的桥梁，解决像数据校验、去重、格式化展示（如ElementPlus Tooltip显示格式化JSON）等实际问题。无论你是刚入门的新手，还是想深化理解的老手，希望这篇来自一线的经验总结，能让你对JSON有一个全新的、更实用的认识。

2. 超越语法：JSON规范中的魔鬼细节

很多人觉得JSON语法看一眼就会，但实际开发中，很多错误恰恰源于对规范细节的疏忽。RFC 8259定义了JSON的标准，但各个实现库在边缘情况下的处理可能略有不同，这就是兼容性问题的来源。

2.1 字符编码与BOM头：乱码的元凶

你肯定遇到过，用VSCode或其他编辑器打开一个JSON文件，里面显示一堆乱码，或者解析时直接报错“Unexpected token”。这十有八九是字符编码问题。

JSON标准规定，传输的JSON文本必须使用UTF-8、UTF-16或UTF-32编码，其中UTF-8是默认且最推荐的编码方式，因为它兼容ASCII，且没有字节序问题。但在Windows环境下，有些编辑器默认保存为带BOM（Byte Order Mark）的UTF-8。BOM是放在文件开头的几个特殊字节（EF BB BF），用于标识编码。对于JSON来说，BOM是非法的。因为JSON解析器期望第一个非空白字符是{或[，而BOM会被视为非法字符。

注意：如果你从某些Windows系统生成的文本文件或某些旧版软件导出JSON，务必检查并去除BOM。在VSCode中，你可以通过右下角的编码状态栏查看和更改编码（选择“以UTF-8无BOM编码保存”）。在代码中处理时，可以在读取文件流后，手动检查并跳过BOM头。

import json import codecs def load_json_without_bom(filepath): with open(filepath, 'rb') as f: content = f.read() # 检查并去除UTF-8 BOM if content.startswith(codecs.BOM_UTF8): content = content[len(codecs.BOM_UTF8):] # 解码为字符串并解析 text = content.decode('utf-8') return json.loads(text)

2.2 数字、字符串与日期的“陷阱”

JSON本身只有几种数据类型：对象、数组、字符串、数字、布尔值、null。但正是这种简单，带来了映射到编程语言复杂类型时的歧义。

数字：JSON中的数字不区分整数和浮点数。但像JavaScript这种使用IEEE 754双精度浮点数的语言，在解析超大整数（超过2^53）时会发生精度丢失。如果你需要传输大整数（如数据库中的64位ID），最安全的做法是以字符串形式传输。这也是为什么很多API设计规范里，建议ID字段用字符串类型。

字符串：需要正确转义。换行符\n、制表符\t、Unicode字符\uXXXX都必须转义。反斜杠\本身也需要转义为\\。一个常见的错误是，手动拼接JSON字符串时，忘了对用户输入的内容进行转义，导致注入攻击或解析失败。永远不要手动拼接JSON！使用库函数来生成。

日期：JSON没有原生的日期类型。通常日期被序列化为ISO 8601格式的字符串，如"2023-10-27T10:30:00.000Z"。但这里有个大坑：时区。这个Z表示UTC时间。如果你的后端和前端没有约定好时区处理方式，就很容易出现显示时间差几个小时的问题。最佳实践是，在系统内部全部使用UTC时间进行存储和传输，只在最终展示时根据用户时区进行转换。

2.3 尾随逗号与注释：非标准的便利与风险

标准的JSON不允许在对象或数组的最后一个元素后面加逗号，也不允许有像//或/* */这样的注释。然而，在实际的配置文件中（比如你提到的agnes的json配置、nacos配置json），我们常常为了可读性和维护方便，希望添加注释或使用尾随逗号（这样增删行时不会因为漏掉逗号而出错）。

这就是一个规范与实践的冲突。如果你使用严格的JSON解析器（如Python的json模块、Java的Jackson默认配置），这些文件会解析失败。解决方案有几种：

1. 使用支持扩展的解析器：比如JavaScript的JSON5，Python的commentjson库，它们允许注释和尾随逗号。
2. 在解析前预处理：写一个简单的脚本，在解析前 strip 掉注释。
3. 妥协，写标准JSON：对于需要被多种语言、严格解析器处理的配置文件，最好遵守标准。可以通过良好的格式化和文档来弥补可读性。

// 非标准JSON（带注释和尾随逗号），许多严格解析器会报错 { “appName”: “MyApp”， // 应用名称 “port”: 8080， }

# 使用 commentjson 库解析带注释的JSON import commentjson with open(‘config.jsonc’， ‘r’) as f: config = commentjson.load(f)

3. 实战解析：各语言下的JSON处理核心与避坑指南

不同编程语言处理JSON的哲学和工具链不同，了解这些差异能让你少走很多弯路。我们结合热词中的几个典型场景来深入探讨。

3.1 JavaScript/TypeScript：原生支持与性能考量

在JS中，JSON.parse()和JSON.stringify()是核心。但这里有几个高级技巧和坑点：

键名是变量怎么办？这是热词中提到的一个具体问题。假设我们有一个变量dynamicKey = “userName”，想构造一个对象{userName: “Alice”}。你不能直接写{dynamicKey: “Alice”}，这只会创建一个键名为“dynamicKey”的对象。正确的方法是使用计算属性名：

const dynamicKey = ‘userName’; const obj = { [dynamicKey]: ‘Alice’ // ES6 计算属性名 }; // 或者先创建对象再赋值 const obj2 = {}; obj2[dynamicKey] = ‘Alice’;

深拷贝的误区：很多人用JSON.parse(JSON.stringify(obj))来实现对象的深拷贝。这方法简单，但有明显局限：会丢失函数、undefined、Symbol、循环引用的对象会报错，以及之前提到的，特殊对象（如Date）会被转换成字符串。对于简单的数据对象，这方法可行；但对于复杂的对象，需要使用structuredClone（现代浏览器）或 lodash 的_.cloneDeep。

大数据量性能：JSON.stringify()在序列化非常大的对象时，可能阻塞主线程。可以考虑使用JSON.stringify()的第二个参数（replacer数组）来只序列化需要的字段，或者使用增量处理、流式处理（如Oboe.js）的方式。

3.2 Java：生态繁荣下的选择与配置

Java的JSON库非常多：Jackson、Gson、Fastjson等。目前Jackson是Spring Boot的默认选择，也是社区最主流的，功能强大，性能优秀。

字段名大小写问题：这是Java开发中一个高频坑点。Java的字段命名规范是驼峰式（userName），而JSON或前端可能使用下划线式（user_name），或者像热词中提到的“字段名会变小写”的情况。Jackson默认使用属性名（getter/setter方法背后的字段名）作为序列化的键名。你需要通过注解来显式控制：

import com.fasterxml.jackson.annotation.JsonProperty; public class UserDTO { private String userName; // 序列化和反序列化时，字段名都映射为 “user_name” @JsonProperty(“user_name”) public String getUserName() { return userName; } // setter 同理 }

或者，你可以在全局的ObjectMapper中配置命名策略：

ObjectMapper mapper = new ObjectMapper(); mapper.setPropertyNamingStrategy(PropertyNamingStrategy.SNAKE_CASE); // 驼峰转下划线

Fastjson升级的坑：热词中提到“升级fastjson到2.0.62后json解析失败”。Fastjson 1.x和2.x在包名和部分API上存在不兼容变更。1.x的包名是com.alibaba.fastjson，而2.x是com.alibaba.fastjson2。直接替换依赖而不改代码，肯定会报ClassNotFoundException。升级时务必仔细阅读官方迁移指南，修改import语句和可能的API调用。

Spring Boot中发送POST JSON请求：使用RestTemplate或更现代的WebClient。关键点是设置正确的Content-Type头为application/json。

import org.springframework.http.HttpEntity; import org.springframework.http.HttpHeaders; import org.springframework.http.MediaType; import org.springframework.web.client.RestTemplate; RestTemplate restTemplate = new RestTemplate(); HttpHeaders headers = new HttpHeaders(); headers.setContentType(MediaType.APPLICATION_JSON); // 关键！ UserDTO user = new UserDTO(“Alice”); HttpEntity<UserDTO> request = new HttpEntity<>(user， headers); String url = “https://api.example.com/users”; String response = restTemplate.postForObject(url， request， String.class);

3.3 Python：灵活与简洁的背后

Python的json模块是标准库的一部分，开箱即用，非常方便。但也有一些细节需要注意。

json.loads()vsjson.load()：前者从字符串解析，后者从文件对象读取。同样，dumps()和dump()对应序列化到字符串和文件。

处理非标准类型：默认情况下，json.dumps()无法序列化Python的datetime对象或自定义类。你需要通过default参数指定一个函数来处理这些类型：

import json from datetime import datetime from json import JSONEncoder class CustomEncoder(JSONEncoder): def default(self， obj): if isinstance(obj， datetime): return obj.isoformat() # 转换为ISO格式字符串 # 对于其他类型，调用父类的默认方法（会抛出TypeError） return super().default(obj) data = {“event”: “meeting”， “time”: datetime.now()} json_str = json.dumps(data， cls=CustomEncoder) print(json_str) # {“event”: “meeting”， “time”: “2023-10-27T03:15:00.123456”}

表单登录与JSON登录：热词中提到“python 表单登录与json登录”。这指的是HTTP请求的两种常见数据提交格式。

• 表单登录：Content-Type: application/x-www-form-urlencoded，数据格式如username=admin&password=123456。在Python中，你可以用requests库的data参数。
• JSON登录：Content-Type: application/json，数据格式就是JSON字符串。在Python中，使用requests库的json参数，它会自动帮你序列化字典并设置正确的请求头。

import requests # 表单登录 form_data = {‘username’: ‘admin’， ‘password’: ‘123456’} resp_form = requests.post(‘https://example.com/login’， data=form_data) # JSON登录 json_data = {‘username’: ‘admin’， ‘password’: ‘123456’} resp_json = requests.post(‘https://example.com/login’， json=json_data) # 推荐方式，更清晰

使用json参数是更现代和推荐的做法，尤其是对于RESTful API。

3.4 C++：性能与易用性的权衡

C++没有原生的JSON支持，需要借助第三方库。选择哪个库，取决于你对性能、易用性和依赖管理的权衡。

• RapidJSON：非常流行的高性能库，号称“最快的JSON解析器”。它是头文件库，无需编译，直接包含即可。但它的API是C++风格的，使用起来略显繁琐，需要手动管理内存（使用Document对象）。适合对性能要求极高的场景。
• nlohmann/json：目前最受欢迎的C++ JSON库之一。它的API设计极其人性化，像脚本语言一样方便，支持类似j[“key”]的直观访问。它是纯头文件库，基于现代C++（C++11以上）。性能虽然不如RapidJSON极致，但对于绝大多数应用来说完全足够。对于大多数开发者，我首推这个库，因为它极大地提升了开发效率。
• JsonCpp：比较老牌的库，API相对传统，需要编译链接。稳定性好，但易用性和性能不如前两者。

// 使用 nlohmann/json 的例子 #include <nlohmann/json.hpp> using json = nlohmann::json; // 解析 std::string json_str = “{\“name\“:\“Alice\“，\“age\“:30}”; auto j = json::parse(json_str); std::string name = j[“name”]; int age = j[“age”]; // 构造 json j2; j2[“name”] = “Bob”; j2[“hobbies”] = {“reading”， “coding”}; std::string output = j2.dump(); // 序列化为字符串

4. 高级应用场景：校验、转换、可视化与数据治理

掌握了基础解析，我们来看看JSON在一些复杂场景下的应用，这些正是热词中大家关心的实际问题。

4.1 JSON Schema：不仅仅是校验，更是契约

当你提供或消费一个JSON API时，如何确保对方传来的数据格式是正确的？靠口头约定或文档很容易出错。JSON Schema就是解决这个问题的利器。它本身也是一个JSON文件，用来描述和验证JSON数据的结构。

假设我们有一个用户注册接口，要求传入username（字符串）、email（符合邮箱格式的字符串）和age（大于0的整数）。我们可以定义这样一个Schema：

{ “$schema”: “https://json-schema.org/draft/2020-12/schema”， “title”: “User Registration”， “type”: “object”， “required”: [“username”， “email”]， “properties”: { “username”: { “type”: “string”， “minLength”: 3， “maxLength”: 20 }， “email”: { “type”: “string”， “format”: “email” // 格式校验 }， “age”: { “type”: “integer”， “minimum”: 0， “exclusiveMinimum”: true // 大于0 } } }

它能做什么？

1. 验证：使用像ajv（JavaScript）、jsonschema（Python）这样的库，可以用Schema验证任何JSON数据是否合规。
2. 生成文档：许多工具可以根据Schema自动生成API文档，描述每个字段的含义和约束。
3. 生成模拟数据：用于前端开发和测试。
4. 作为数据契约：在微服务架构中，服务之间通过共享Schema来明确数据交换格式，减少联调问题。

对于热词中“是否真的需要qgis将数据做成json对报告进行校验”这类问题，如果“报告”的结构是固定的，那么为其定义一个JSON Schema，然后写一个简单的校验脚本，是比依赖特定GIS软件更通用、更自动化的解决方案。

4.2 格式转换、美化与可视化工具

JSON格式化（美化）：压缩的JSON（一行）很难阅读。几乎所有代码编辑器（如VSCode、EditPlus）和在线工具都支持格式化（美化）。在VSCode中，选中JSON文本，按Alt+Shift+F（或右键选择“格式化文档”）即可。在EditPlus中，可能需要借助插件或宏功能。命令行下，可以用jq工具：cat compressed.json | jq ‘.’。

JSON 转 XML / YAML 等：虽然JSON是主流，但有时需要与其他系统（使用XML）或配置文件（使用YAML）交互。转换时要注意信息对等。例如，JSON的数组和对象在XML中需要找到合适的映射方式（数组可能对应重复的元素，对象对应嵌套元素）。可以使用在线转换工具，或在代码中使用库，如Python的xmltodict（可以实现JSON和XML的互转）。

可视化与表格展示：调试时，面对一个庞大的JSON对象，如何快速找到信息？浏览器控制台可以折叠展开。但像热词中提到的“json视图 table形式”，则需要更专业的工具。

• 浏览器插件：如“JSON Viewer”类插件，可以将JSON以树形结构美观展示。
• 在线工具：很多网站提供JSON转表格的功能，特别适合展示对象数组。
• 代码工具：jq是一个强大的命令行JSON处理器，可以通过查询语法提取和转换数据，例如jq ‘.[] | {name， age}’ users.json可以提取所有用户的姓名和年龄，并以表格形式输出。

对于“ElementPlus tooltip显示格式化的json，一行一行显示”这个需求，核心思路是：先将JSON对象序列化为格式化的字符串（带缩进和换行），然后将这个字符串放入Tooltip的内容中。由于Tooltip默认可能不保留换行，你需要设置white-space: pre或pre-line样式来保留格式。

<template> <el-tooltip :content=“formattedJson” placement=“top”> <span>Hover me</span> </el-tooltip> </template> <script setup> import { computed } from ‘vue’; const jsonData = { name: ‘Alice’， age: 30， hobbies: [‘coding’， ‘hiking’] }; const formattedJson = computed(() => JSON.stringify(jsonData， null， 2)); // 缩进2个空格 </script> <style scoped> /* 确保tooltip内容保留格式 */ :deep(.el-tooltip__popper) { white-space: pre-line; max-width: 500px; /* 控制最大宽度 */ } </style>

4.3 数据清洗：解析、校验与去重

热词中提到了“加一个极简的python代码节点，做一下json解析校验和去重，保证最终输出干净的结构化”，这描述了一个非常典型的数据清洗管道（Data Pipeline）场景。我们一步步拆解：

1. 解析：使用json.loads()或json.load()读取原始数据。要添加健壮的错误处理，捕获JSONDecodeError，记录或跳过非法数据。
2. 校验：根据业务规则校验数据。这可以是简单的字段存在性、类型检查，也可以是复杂的逻辑校验（如数值范围、字符串格式、跨字段逻辑）。可以使用上面提到的JSON Schema进行声明式校验，也可以编写自定义的校验函数。
3. 去重：根据某个或某几个关键字段进行去重。例如，对于一个用户对象数组，根据user_id去重。可以使用Python的字典或集合来实现，因为字典的键是唯一的。

import json from typing import List， Dict， Any def clean_json_pipeline(input_file: str， output_file: str， key_for_dedupe: str): “”” 一个极简的JSON数据清洗管道：解析、校验、去重。 “”” cleaned_data = [] seen_keys = set() try: with open(input_file， ‘r’， encoding=‘utf-8’) as f: # 1. 解析 data_list: List[Dict[str， Any]] = json.load(f) if not isinstance(data_list， list): raise ValueError(“Input JSON is not a list of objects”) for item in data_list: # 2. 校验 (这里以简单校验为例) if not isinstance(item， dict): print(f“Skipping non-object item: {item}”) continue if ‘id’ not in item or not isinstance(item[‘id’]， (int， str)): print(f“Skipping item with invalid ‘id’: {item}”) continue # 3. 去重 (假设根据 ‘id’ 字段) item_key = str(item[‘id’]) # 统一转为字符串比较 if item_key in seen_keys: print(f“Duplicate found for id {item[‘id’]}， skipping.”) continue seen_keys.add(item_key) # 可以在这里添加更多的数据清洗逻辑，如字段重命名、类型转换等 # 例如：确保 ‘name’ 字段是字符串且去除首尾空格 if ‘name’ in item and isinstance(item[‘name’]， str): item[‘name’] = item[‘name’].strip() cleaned_data.append(item) # 4. 输出干净的结构化数据 with open(output_file， ‘w’， encoding=‘utf-8’) as f: json.dump(cleaned_data， f， ensure_ascii=False， indent=2) # 美化输出 print(f“Data cleaning completed. {len(cleaned_data)} valid records saved to {output_file}”) except json.JSONDecodeError as e: print(f“Failed to parse JSON file: {e}”) except Exception as e: print(f“An error occurred: {e}”) # 使用示例 clean_json_pipeline(‘raw_data.json’， ‘cleaned_data.json’， ‘id’)

这个简单的管道可以扩展，加入更复杂的校验规则、数据转换逻辑，甚至连接数据库进行比对，从而构建一个强大的数据预处理流程。

5. 性能、安全与最佳实践

当JSON数据量变大，或者在高并发场景下使用时，性能和安全性就成为必须考虑的问题。

5.1 解析性能优化

• 流式解析（Streaming Parsing）：对于非常大的JSON文件（几百MB甚至GB级），一次性加载到内存再解析（DOM方式）会导致内存溢出。应该使用流式解析（SAX方式），一次只读取和解析一小部分数据。Python的ijson库、Java Jackson的JsonParser、C++ RapidJSON的Reader都支持这种模式。
• 选择性解析：有时你只关心大对象中的几个字段。一些库支持“懒解析”或“指针查询”，如jq命令行工具，或者使用JSONPath（类似XPath for JSON）的库，可以直接提取所需路径的数据，避免解析整个文档。
• 缓存与复用：对于需要反复序列化/反序列化的相同结构的数据，可以考虑缓存结果。或者，在Java中，复用ObjectMapper实例（它是线程安全的），而不是每次创建新的，可以显著提升性能。

5.2 安全性考量

• JSON注入：永远不要相信未经验证的JSON数据，更不要用eval()来解析JSON（在JavaScript早期有人这么做，极其危险！）。恶意数据可能包含可执行代码。始终使用标准的、安全的解析库（如JSON.parse()）。
• 递归深度攻击：解析器可能会设置递归深度的限制，以防止恶意构造的超深层嵌套JSON导致栈溢出。了解你所使用的库的默认限制，并根据业务需要调整。
• 大整数精度丢失：如前所述，在JavaScript中处理大整数要小心。如果可能，用字符串传递。
• 敏感信息泄露：在序列化对象时，默认可能会包含所有字段。务必注意不要将密码、密钥、内部路径等敏感信息序列化到JSON中并发送给客户端。可以使用注解（如Jackson的@JsonIgnore）或自定义序列化器来排除这些字段。

5.3 设计最佳实践

1. 保持结构扁平：尽量避免过深的嵌套（一般不超过4-5层）。过深的嵌套不仅难以阅读和查询，也可能影响解析性能。考虑是否可以将部分数据扁平化。
2. 使用有意义的键名：键名应简洁、清晰，使用小写字母和下划线（snake_case）或驼峰式（camelCase），并在整个项目中保持一致。
3. 版本化你的API：当JSON作为API的响应格式时，结构可能会演变。通过URL（如/api/v1/users）或请求头来对API进行版本控制，避免破坏现有客户端。
4. 提供文档和Schema：使用OpenAPI（Swagger）等工具为你的JSON API生成交互式文档，并附带JSON Schema，让消费者一目了然。
5. 考虑使用二进制格式：如果对性能有极致要求，且主要在服务间通信，可以考虑MessagePack、Protocol Buffers（Protobuf）、Avro等二进制序列化格式。它们比JSON更小、更快，但牺牲了人类可读性。

6. 疑难杂症排查：从错误信息到解决方案

开发中遇到的JSON相关问题，错误信息往往能给出第一线索。我们来分析几个热词中提到的具体错误。

错误1：“Unexpected token < in JSON at position 0”

• 含义：解析器期望JSON文本的第一个非空白字符是{或[，但它遇到了<。
• 根本原因：你请求的API可能返回了一个HTML错误页面（比如404、500页面），而不是JSON。常见于HTTP请求的URL错误、服务端异常、或未正确设置请求头（如未设置Accept: application/json）。
• 排查：首先，打印或记录你收到的原始响应文本。如果是以<html>开头，那就确认是服务端返回了非JSON内容。检查请求URL、网络状态、服务端日志。

错误2：“Cannot convert access token to JSON”

• 含义：尝试将一个字符串（可能是access token）直接解析为JSON对象，但这个字符串本身不是合法的JSON格式。
• 场景：在OAuth 2.0等认证流程中，Access Token通常是一个不透明的字符串（JWT除外），它本身不是JSON对象。你可能错误地对它调用了JSON.parse()。
• 解决：确认你的access token的格式。如果是JWT（通常由三部分组成，用点分隔），你需要先将其按.分割，然后对第二部分（Payload）进行Base64解码，最后再解析JSON。如果是普通字符串，直接作为Bearer Token放在Authorization请求头里即可，不要解析。

错误3：“Knife4j is not valid JSON”

• 含义：Knife4j（一个Swagger增强UI）在解析某个接口返回的JSON时失败。
• 排查：这通常是因为你的Controller方法返回的对象，在序列化为JSON时出现了问题。可能的原因：
  1. 返回的对象存在循环引用（例如，User对象里有一个List<Order>，而Order对象里又引用了User），导致Jackson序列化时无限递归。使用@JsonIgnore或@JsonManagedReference/@JsonBackReference注解解决。
  2. 返回的对象包含了无法序列化的类型（如Java 8的Optional，或者一个非POJO的复杂对象）。确保返回的是简单的POJO、Map或String。
  3. 检查服务端是否有全局或针对该接口的异常处理器，返回了非JSON格式的错误信息。

错误4：“发布失败。此响应不是合法的JSON响应。”

• 含义：通常出现在WordPress或其他CMS发布文章时，与某个插件或主题的REST API交互失败。
• 排查：
  1. 插件/主题冲突：禁用所有插件，切换回默认主题，逐一启用排查。
  2. 固定链接（Permalink）设置：有时不正确的固定链接设置会导致REST API路由失效。尝试重新保存一下固定链接设置。
  3. 服务器配置：检查服务器的.htaccess（Apache）或nginx.conf配置，确保重写规则正确，没有阻止对/wp-json/路径的访问。
  4. 安全插件/防火墙：某些安全插件或云WAF可能会误拦截向/wp-json/发送的POST请求。检查相关日志或暂时禁用安全插件测试。

错误5：VSCode一个文件夹下放了多个项目，json冲突怎么解决

• 场景：在VSCode中，一个工作区打开了多个项目文件夹，每个项目可能有自己的配置文件，如tsconfig.json，package.json，.eslintrc.json等。VSCode的某些语言服务（如TypeScript）可能会混淆，不知道以哪个配置文件为准。
• 解决：
  1. 使用多根工作区（Multi-root Workspace）：这是VSCode的推荐方式。将每个项目作为独立的根文件夹添加到同一个工作区中。这样，每个项目的配置是隔离的。文件 -> 将文件夹添加到工作区。
  2. 配置工作区设置：在工作区级别的.vscode/settings.json中，可以为不同的文件夹指定不同的设置，覆盖全局设置。
  3. 使用extends：对于像tsconfig.json这样的文件，可以使用extends属性来继承一个基础配置，然后在各自项目中进行微调，减少冲突。
  4. 分开打开：如果项目间关联不大，最干脆的办法是为每个项目单独打开一个VSCode窗口。

处理JSON问题，最关键的是养成好习惯：始终验证输入、妥善处理异常、记录原始数据、使用工具辅助格式化与验证。当遇到诡异的问题时，回归到最原始的JSON字符串，用一个可靠的在线验证器（如 jsonlint.com）检查其合法性，往往是破局的第一步。