Audit.NET中JsonDocument序列化问题的解决方案
问题背景
在使用Audit.NET进行审计日志记录时,开发人员可能会遇到JsonDocument对象序列化不正确的问题。具体表现为当升级Audit.NET版本后,原本能够正常序列化的JsonDocument对象突然只能输出类似{"RootElement":{"ValueKind":1}}这样的简化信息,而不再包含完整的JSON数据内容。
问题根源分析
这个问题的根本原因在于Audit.NET内部使用了不同的JSON序列化器。从版本25.0.4升级到27.5.0后,Audit.NET默认使用System.Text.Json作为序列化器,而如果开发人员配置了Newtonsoft.Json适配器,就会导致两种JSON处理方式不兼容。
JsonDocument是System.Text.Json命名空间下的类型,当它被Newtonsoft.Json序列化时,无法正确识别其内部结构,只能输出简化信息。这种不匹配在审计日志记录中会导致关键参数信息丢失,严重影响日志的可读性和可用性。
解决方案
方案一:统一使用System.Text.Json
如果项目中没有特殊需求,最简单的解决方案是保持Audit.NET的默认配置,即使用System.Text.Json进行序列化:
Audit.Core.Configuration.Setup()
.UseFileLogProvider(f => f.Directory(@"C:\Logs"));
var jsonDocument = System.Text.Json.JsonDocument.Parse(jsonBody);
var auditScope = AuditScope.Create("Test", null);
auditScope.SetCustomField("Parameters", jsonDocument);
auditScope.Save();
这种方式能够正确处理JsonDocument对象,输出完整的JSON内容。
方案二:统一使用Newtonsoft.Json
如果项目中已经大量使用Newtonsoft.Json,或者有特殊需求必须使用Newtonsoft.Json,则应该使用JObject代替JsonDocument:
Audit.Core.Configuration.Setup()
.JsonNewtonsoftAdapter()
.UseFileLogProvider(f => f.Directory(@"C:\Logs"));
var jsonBody = "{\"Id\":1, \"Name\":\"Test\"}";
var jsonDocument = Newtonsoft.Json.Linq.JObject.Parse(jsonBody);
var auditScope = AuditScope.Create("Test", null);
auditScope.SetCustomField("Parameters", jsonDocument);
auditScope.Save();
这种方式确保了JSON处理方式的一致性,避免了序列化问题。
最佳实践建议
-
一致性原则:在整个项目中保持JSON处理方式的一致性,要么全部使用System.Text.Json,要么全部使用Newtonsoft.Json。
-
明确配置:在使用Audit.NET时,明确配置所需的JSON适配器,避免依赖默认行为。
-
版本升级检查:在升级Audit.NET版本时,特别注意JSON处理相关的变更,必要时进行适配性测试。
-
日志验证:实现自动化测试来验证审计日志的输出格式是否符合预期。
总结
Audit.NET作为强大的审计日志框架,提供了灵活的配置选项。开发人员在使用时需要注意JSON序列化器的选择,确保与项目中其他组件的JSON处理方式保持一致。通过正确配置JSON适配器,可以避免JsonDocument序列化问题,保证审计日志的完整性和可用性。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
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!Kotlin08
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