Newtonsoft.Json 中数组反序列化的特殊行为解析
2025-05-21 21:38:36作者:温玫谨Lighthearted
现象描述
在使用 Newtonsoft.Json 进行 JSON 数据反序列化时,开发者可能会遇到一个有趣的现象:当目标类中的数组属性已经初始化了默认值,而 JSON 数据中也包含同名数组时,最终结果不是简单的覆盖,而是将两部分的数组合并在一起。
示例代码分析
让我们通过一个具体示例来观察这一行为:
class TestForJsonArray
{
public List<double> TestArray { get; set; } = new List<double> { 1, 1 }; // 初始化默认值
}
string testString = @"{""TestArray"" : [2,2]}";
var testModel = JsonConvert.DeserializeObject<TestForJsonArray>(testString);
string testModelString = JsonConvert.SerializeObject(testModel);
开发者预期的输出是 {"TestArray":[2.0,2.0]},但实际得到的却是 {"TestArray":[1.0,1.0,2.0,2.0]}。
行为差异对比
值得注意的是,System.Text.Json 的表现与 Newtonsoft.Json 不同。在相同场景下,System.Text.Json 会直接覆盖数组内容,而不是合并:
// 使用 System.Text.Json 的结果
{"TestArray":[2,2]}
技术原理
这种差异源于 Newtonsoft.Json 的设计理念和默认配置。Newtonsoft.Json 在反序列化时,默认会保留目标对象已有的集合内容,并将反序列化得到的新元素添加到集合中,而不是清空原有集合。
这种行为可以通过 ObjectCreationHandling 设置来控制。Newtonsoft.Json 提供了三种处理方式:
- Auto:默认行为,对于集合类型会重用现有实例
- Reuse:总是重用现有实例
- Replace:总是创建新实例替换现有实例
解决方案
如果希望 Newtonsoft.Json 的行为与 System.Text.Json 一致,可以采用以下两种方式:
方法一:修改类定义
class TestForJsonArray
{
public List<double> TestArray { get; set; } // 不初始化默认值
}
方法二:使用 JsonProperty 特性
class TestForJsonArray
{
[JsonProperty(ObjectCreationHandling = ObjectCreationHandling.Replace)]
public List<double> TestArray { get; set; } = new List<double> { 1, 1 };
}
方法三:全局设置
var settings = new JsonSerializerSettings
{
ObjectCreationHandling = ObjectCreationHandling.Replace
};
var testModel = JsonConvert.DeserializeObject<TestForJsonArray>(testString, settings);
设计思考
Newtonsoft.Json 的这种默认行为有其设计考量。在某些场景下,合并数组可能正是开发者期望的行为,比如:
- 配置合并:将默认配置与用户自定义配置合并
- 数据聚合:将多个来源的数据合并到一个集合中
- 增量更新:在已有数据基础上添加新数据
最佳实践建议
- 明确集合初始化意图:如果确实需要空集合,应在构造函数中初始化,而不是属性初始化器
- 保持一致性:项目中应统一使用一种 JSON 库,避免混用导致行为不一致
- 文档注释:对于可能引起混淆的集合属性,添加注释说明其行为
总结
Newtonsoft.Json 在反序列化集合类型时的默认合并行为体现了其灵活的设计理念。理解这一特性有助于开发者更好地控制数据反序列化过程,避免意外行为。根据具体需求选择合适的处理方式,可以使代码更加健壮和可维护。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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++
660
308
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
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
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
879