MapStruct 实现嵌套对象列表到扁平列表的映射
2025-05-30 08:48:24作者:舒璇辛Bertina
概述
在实际开发中,我们经常会遇到需要将多层嵌套的对象结构转换为扁平化数据结构的需求。本文将以 MapStruct 为例,详细介绍如何将一个包含多层嵌套列表的对象结构映射为一个扁平化的目标列表。
场景分析
假设我们有以下三个实体类:
class Department {
private String departmentName;
private List<Teacher> teachers;
}
class Teacher {
private String name;
private String sex;
private Integer age;
private List<Student> students;
}
class Student {
private String name;
private String sex;
private Integer age;
}
我们的目标是将这些嵌套的对象结构转换为以下扁平化的目标类列表:
class TargetStudent {
private String departmentName;
private String teacherName;
private String teacherSex;
private Integer teacherAge;
private String studentName;
private String studentSex;
private Integer studentAge;
}
解决方案
方法一:使用默认方法实现
MapStruct 提供了灵活的方式来处理这种复杂映射场景。我们可以通过在映射接口中定义默认方法来实现:
@Mapper
public interface TeacherStudentsConvert {
TeacherStudentsConvert INSTANCE = Mappers.getMapper(TeacherStudentsConvert.class);
@Mapping(target = "departmentName", source = "department.departmentName")
@Mapping(target = "teacherName", source = "teacher.name")
@Mapping(target = "teacherSex", source = "teacher.sex")
@Mapping(target = "teacherAge", source = "teacher.age")
@Mapping(target = "studentName", source = "student.name")
@Mapping(target = "studentSex", source = "student.sex")
@Mapping(target = "studentAge", source = "student.age")
TargetStudent toTargetStudent(Department department, Teacher teacher, Student student);
default List<TargetStudent> toTargetStudents(List<Department> departments) {
List<TargetStudent> targetStudents = new ArrayList<>();
for (Department department : departments) {
for (Teacher teacher : department.getTeachers()) {
for (Student student : teacher.getStudents()) {
targetStudents.add(toTargetStudent(department, teacher, student));
}
}
}
return targetStudents;
}
}
这种方法的核心在于:
- 定义一个基础映射方法,将三个层级的对象映射到目标对象
- 使用默认方法实现嵌套循环,构建最终的扁平化列表
方法二:使用Java 8 Stream API
如果你更喜欢函数式编程风格,也可以使用Stream API来实现:
@Mapper
public interface TeacherStudentsConvert {
TeacherStudentsConvert INSTANCE = Mappers.getMapper(TeacherStudentsConvert.class);
// 基础映射方法同上
default List<TargetStudent> toTargetStudents(List<Department> departments) {
return departments.stream()
.flatMap(department -> department.getTeachers().stream()
.flatMap(teacher -> teacher.getStudents().stream()
.map(student -> toTargetStudent(department, teacher, student))
)
.collect(Collectors.toList());
}
}
技术要点
-
多层嵌套映射:MapStruct 支持通过点号(.)访问嵌套属性,如
department.departmentName -
组合映射:可以将多个源对象组合映射到一个目标对象
-
默认方法:在映射接口中使用默认方法可以实现复杂的转换逻辑
-
性能考虑:MapStruct 在编译时生成映射代码,运行时没有反射开销,性能接近手写代码
最佳实践
-
对于简单的属性映射,尽量使用MapStruct的注解配置
-
对于复杂的业务逻辑转换,可以使用默认方法实现
-
考虑将复杂的映射逻辑拆分为多个小方法,提高可读性
-
为所有参与映射的类提供完整的getter/setter方法
总结
通过MapStruct,我们可以优雅地处理对象间的复杂映射关系。本文展示的两种实现方式都能有效地将嵌套对象列表转换为扁平化结构,开发者可以根据项目需求和个人偏好选择合适的方式。MapStruct的强大之处在于它既支持简单的声明式映射,又允许通过Java代码实现复杂的转换逻辑,为对象映射提供了极大的灵活性。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0449
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
XianyuAutoAgent智能闲鱼客服机器人系统:专为闲鱼平台打造的AI值守解决方案,实现闲鱼平台7×24小时自动化值守,支持多专家协同决策、智能议价和上下文感知对话。Python03
new-apiAI模型聚合管理中转分发系统,一个应用管理您的所有AI模型,支持将多种大模型转为统一格式调用,支持OpenAI、Claude、Gemini等格式,可供个人或者企业内部管理与分发渠道使用。🍥 A Unified AI Model Management & Distribution System. Aggregate all your LLMs into one app and access them via an OpenAI-compatible API, with native support for Claude (Messages) and Gemini formats.TSX026
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0313
mllm轻量化的端侧多模态推理框架,支持多种硬件后端https://ubiquitouslearning.github.io/mllm/C++00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Markdown
828
5.49 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
494
518
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
786
1.58 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
803
1.14 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
973
2.29 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
483
313
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.02 K
769
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.27 K
814
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
652
288