TsED项目中处理Map数组时的Json反序列化问题解析
2025-06-27 03:07:19作者:秋泉律Samson
在TsED框架中,当开发者尝试处理包含Map对象数组的数据结构时,可能会遇到一个特定的类型错误。本文将深入分析这个问题,并提供多种解决方案。
问题背景
TsED框架的JsonDeserializer在处理特定数据结构时会出现异常。具体表现为当开发者定义了一个包含Map对象数组的类,并使用@CollectionOf装饰器标注时,系统会抛出"this.mappers[id] is not a function"的类型错误。
问题复现
考虑以下典型场景:
class Test {
@Required()
@CollectionOf(Map<string, string>)
fields: Array<Map<string, string>> = [];
}
当这个类被用作控制器参数时,框架无法正确反序列化传入的JSON数据。
根本原因
TsED框架目前没有官方支持对Map对象数组的直接描述。这是因为:
- 装饰器系统难以精确描述"字符串到字符串的Map数组"这种复杂类型
- 框架内部的反序列化逻辑在处理这种嵌套结构时存在缺陷
解决方案
方案一:使用Record替代Map
class Test {
@CollectionOf(Object)
fields: Record<string, string>[] = [];
}
这是最简单的解决方案,牺牲了Map特性但保证了功能正常。
方案二:自定义序列化逻辑
class Test {
@OnDeserialize(o => o.map((i) => new Map(Object.entries(i))))
@OnSerialize(o => o.map(i => Object.fromEntries(i.entries())))
fields: Map<string, string>[] = [];
}
通过自定义序列化/反序列化逻辑,可以保持Map数据结构。
方案三:使用中间类
class Field {
[key: string]: string;
}
class Test {
@CollectionOf(Field)
fields: Field[] = [];
}
定义一个中间类作为Map的替代,结构更清晰。
框架改进
TsED团队已经意识到这个问题,并在7.77.1版本中进行了优化,改进了对Map集合的处理体验。开发者现在可以更自然地使用@CollectionOf(Map)注解。
最佳实践建议
- 如果不需要Map特有功能,优先使用Record或普通对象
- 必须使用Map时,考虑自定义序列化逻辑
- 保持类型定义尽可能简单,避免过度复杂的嵌套结构
- 及时更新框架版本以获取最新修复
通过理解这些解决方案,开发者可以更灵活地在TsED项目中处理复杂的数据结构需求。
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
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217