Fastjson2嵌套类字段过滤问题解析与修复
2025-06-17 22:05:42作者:殷蕙予
问题背景
在使用Fastjson2进行JSON序列化时,开发人员可能会遇到嵌套类字段过滤失效的问题。具体表现为当对包含嵌套对象的类进行序列化时,尝试通过SimplePropertyPreFilter过滤指定字段时,结果返回空对象[{}],而不是预期的过滤后JSON结构。
问题复现
让我们通过一个示例来重现这个问题。假设有以下三个嵌套的Java类:
@Data
static class BeanA {
private BeanB b;
private BeanC c;
private int number;
}
@Data
static class BeanB {
private String uname;
private String id;
private String age;
}
@Data
static class BeanC {
private String season;
private String year;
private String event;
}
当我们尝试对BeanA列表进行序列化,并希望只保留BeanB中的uname和age字段,以及BeanC中的season字段时,使用以下过滤代码:
PropertyPreFilter[] filters = new PropertyPreFilter[2];
SimplePropertyPreFilter filter1 = new SimplePropertyPreFilter(BeanB.class);
filter1.getIncludes().addAll(Arrays.asList("uname","age"));
filters[0] = filter1;
SimplePropertyPreFilter filter2 = new SimplePropertyPreFilter(BeanC.class);
filter2.getIncludes().addAll(Arrays.asList("season"));
filters[1] = filter2;
预期结果应该是:
[{
"number": 2,
"b": {
"uname": "user1",
"age": "20"
},
"c": {
"season": "2024"
}
}]
但实际得到的却是:
[{}]
问题分析
这个问题出现在Fastjson2 2.0.48版本中,主要原因是SimplePropertyPreFilter在处理嵌套类字段过滤时存在逻辑缺陷。当过滤器应用于嵌套对象时,未能正确识别和保留指定的字段,导致整个对象被过滤掉。
值得注意的是,在Fastjson1的1.2.70版本中,类似的代码(使用SerializeFilter)是可以正常工作的,但在迁移到Fastjson2(使用PropertyPreFilter)后出现了这个问题。
解决方案
Fastjson2开发团队已经在新版本2.0.49中修复了这个问题。修复后的版本能够正确处理嵌套类的字段过滤,按照预期保留指定的字段。
对于开发者来说,解决方案很简单:
- 升级Fastjson2到2.0.49或更高版本
- 保持现有的过滤代码不变
升级后,相同的代码将产生预期的过滤结果。
最佳实践
在使用Fastjson2进行复杂对象序列化时,建议:
- 始终使用最新稳定版本,以避免已知问题
- 对于嵌套对象的字段过滤,明确指定每个类的过滤器
- 在开发环境中充分测试序列化结果,确保字段过滤按预期工作
- 考虑使用
@JSONField注解作为字段过滤的替代方案,对于简单的过滤需求可能更直观
总结
Fastjson2作为高性能的JSON处理库,在不断迭代中解决各种使用场景下的问题。这个嵌套类字段过滤问题的修复,进一步提升了库在处理复杂对象序列化时的可靠性。开发者应及时更新到修复版本,以获得最佳的使用体验。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
暂无简介
Dart
614
138
Ascend Extension for PyTorch
Python
163
183
React Native鸿蒙化仓库
JavaScript
240
314
仓颉编译器源码及 cjdb 调试工具。
C++
126
854
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
369
3.15 K
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
255
90
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
475
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
644
255