ArchiveBox JSON解析器优化：支持顶层数组格式的URL导入

ArchiveBox作为一款开源的网页存档工具，其URL导入功能一直支持多种格式。在最新版本中，开发团队对JSON解析器进行了重要优化，解决了用户在使用顶层数组格式JSON文件时遇到的解析问题。

问题背景

在ArchiveBox 0.6.2版本中，用户可以顺利导入如下格式的JSON文件：

[
    {"url": "https://example.com", "tags": "test"},
    {"url": "https://example.org", "tags": "test"}
]

但在升级到0.7.2版本后，这种格式会导致JSONDecodeError异常。经分析，问题源于解析器对JSON文件格式的假设过于严格，仅支持顶层为对象的格式，而忽略了常见的顶层数组格式。

技术分析

原解析器实现存在两个主要问题：

1. 格式假设错误：假设所有JSON文件都以对象形式开头，忽略了数组形式的有效JSON
2. 错误处理不足：采用简单的字符串截断方式处理可能的格式问题，而非更健壮的异常捕获机制

解决方案

开发团队采纳了更完善的解析策略：

1. 优先尝试标准JSON解析：首先尝试直接解析整个文件内容
2. 异常回退机制：如果标准解析失败，尝试跳过首行后再次解析
3. 支持多种格式：同时处理顶层对象和顶层数组两种JSON格式

新的解析流程更加健壮，能够兼容：

• 标准JSON对象格式
• 标准JSON数组格式
• 历史遗留的带首行注释的文件

实现细节

关键改进点包括：

1. 使用try-except块替代原有的字符串处理逻辑
2. 保留对历史格式的兼容性处理
3. 优化错误提示信息，帮助用户诊断问题

用户影响

这一改进使得：

1. 现有JSON格式URL列表可以继续使用
2. 用户无需修改已有的JSON文件结构
3. 提高了导入功能的整体稳定性

最佳实践

对于ArchiveBox用户，建议：

1. 优先使用标准JSON格式存储URL列表
2. 复杂场景下可考虑JSON Lines格式
3. 定期检查导入日志以确保数据完整性

该改进已合并到主分支，将在下一版本中发布，用户也可通过开发分支提前体验这一改进。