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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









