MapStruct 实现嵌套对象列表到扁平列表的映射
2025-05-30 17:48:53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
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
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.2 K
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
680
160
🔥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
65
19
Ascend Extension for PyTorch
Python
229
259
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++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.21 K
661