GRDB.swift 中实现通用记录包装器的编码方案
在 Swift 数据库框架 GRDB.swift 的使用过程中,开发者经常会遇到需要包装数据库记录的场景。本文将深入探讨如何正确实现一个通用记录包装器的编码方案,特别是解决在使用 singleValueContainer 时遇到的问题。
问题背景
在实际开发中,我们经常需要隐藏数据库表中的某些字段,仅保留部分字段对外暴露。常见的做法是创建一个通用包装器结构体,内部包含原始模型和额外字段。例如:
struct Wrapper<Model: Codable>: Codable {
var model: Model
var otherValue: String
}
当我们需要对这种包装器进行编码时,按照 Swift 标准库的惯例,通常会使用 singleValueContainer 来处理内部模型的编码:
func encode(to encoder: any Encoder) throws {
var modelContainer = encoder.singleValueContainer()
try modelContainer.encode(model)
var container = encoder.container(keyedBy: CodingKeys.self)
try container.encode(otherValue, forKey: .otherValue)
}
遇到的问题
在 GRDB.swift 6.27.0 版本中,上述实现会抛出 single value encoding is not supported 错误。这是因为 GRDB 的编码器尚未完全实现对单值容器的支持。
解决方案
经过 GRDB 维护者的快速响应,这个问题在 6.28.0 版本中得到了解决。现在开发者可以安全地使用 singleValueContainer 来编码包装的内部模型。
正确的实现方式应该考虑以下几点:
-
优先使用 EncodableRecord:如果包装的内部类型同时符合
EncodableRecord协议,GRDB 会优先使用该协议提供的编码能力。 -
单值容器与键控容器的结合使用:可以同时使用单值容器编码主模型,使用键控容器编码额外字段。
-
向后兼容:新版本的实现保持了与旧版本的兼容性,不会破坏现有代码。
最佳实践
以下是推荐的完整实现示例:
struct Wrapper<Model: Codable>: Codable {
var model: Model
var metadata: String
enum CodingKeys: String, CodingKey {
case metadata
}
init(model: Model, metadata: String) {
self.model = model
self.metadata = metadata
}
init(from decoder: any Decoder) throws {
model = try Model(from: decoder)
let container = try decoder.container(keyedBy: CodingKeys.self)
metadata = try container.decode(String.self, forKey: .metadata)
}
func encode(to encoder: any Encoder) throws {
// 使用单值容器编码主模型
var modelContainer = encoder.singleValueContainer()
try modelContainer.encode(model)
// 使用键控容器编码额外字段
var container = encoder.container(keyedBy: CodingKeys.self)
try container.encode(metadata, forKey: .metadata)
}
}
技术原理
GRDB.swift 的编码器在处理单值容器时,实际上是将整个类型作为一个整体交给编码器处理。这与直接将值编码到编码器有所不同:
- 直接编码:将类型的内容写入编码器
- 单值容器编码:给编码器机会拦截整个类型
这种设计使得编码器能够更灵活地处理不同类型的数据结构,特别是在处理数据库记录时,可以保持更好的类型安全和数据一致性。
总结
GRDB.swift 6.28.0 版本对单值容器编码的支持,使得开发者能够更灵活地实现通用记录包装器。通过合理使用单值容器和键控容器的组合,我们可以构建出既能保持内部模型完整结构,又能添加额外元数据的包装类型。这种模式特别适用于需要隐藏部分数据库字段,同时保留内部使用完整数据的场景。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00