Sanic框架中datetime对象的JSON序列化问题解析
2025-05-12 15:26:57作者:庞眉杨Will
概述
在使用Python的Sanic框架开发Web应用时,开发者经常会遇到需要将包含datetime类型数据的对象序列化为JSON格式返回给客户端的情况。然而,Sanic默认的JSON序列化器并不直接支持datetime类型的转换,这会导致TypeError异常。
问题本质
JSON规范本身只支持有限的数据类型:数字、字符串、布尔值、null、数组和对象。datetime对象不属于这些基本类型,因此需要开发者自行定义如何将这些特殊类型转换为JSON兼容的格式。
解决方案
单一路由的序列化处理
对于只需要在特定路由中处理datetime序列化的情况,可以在调用response.json()时传入自定义的default处理函数:
from datetime import datetime, date
def datetime_to_json_formatting(o):
"""自定义datetime转换函数"""
if isinstance(o, (date, datetime)):
return o.strftime('%Y-%m-%d %H:%M:%S')
@app.get("/api/data")
async def get_data(request):
data = {
'timestamp': datetime.now(),
'message': '当前时间'
}
return response.json(data, default=datetime_to_json_formatting)
这种方式灵活且针对性强,适合只在少数路由需要特殊处理的情况。
全局序列化配置
如果项目中大量接口都需要处理datetime序列化,更高效的做法是在创建Sanic应用时配置全局的JSON序列化器:
import functools
from datetime import datetime, date
import ujson
def datetime_to_json_formatting(o):
"""全局datetime转换处理器"""
if isinstance(o, (date, datetime)):
return o.isoformat() # 使用ISO标准格式
# 创建自定义的dumps函数
custom_dumps = functools.partial(ujson.dumps, default=datetime_to_json_formatting)
# 初始化Sanic应用时传入自定义序列化器
app = Sanic("MyApp", dumps=custom_dumps)
这种方式的优势在于:
- 统一了项目中所有JSON响应的datetime处理方式
- 避免了在每个路由中重复编写转换逻辑
- 可以集中管理日期时间的格式标准
最佳实践建议
-
格式标准化:建议使用ISO 8601标准格式(如2024-09-02T06:05:00),这是前端JavaScript等语言能直接解析的标准格式。
-
时区处理:在序列化datetime时明确时区信息,避免客户端解析时产生歧义。
-
性能考量:ujson比Python标准库的json模块性能更好,这也是Sanic默认使用的JSON处理器。
-
扩展性:自定义的default函数可以扩展以处理其他非JSON原生类型,如Decimal、UUID等。
总结
Sanic框架设计上不强制datetime的序列化方式,而是将决定权交给开发者,这体现了框架的灵活性和对多样业务场景的适应能力。通过合理使用default参数或自定义dumps函数,开发者可以轻松实现符合项目需求的datetime序列化方案。
登录后查看全文
热门项目推荐
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 StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
651
797
Claude 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 Started
Rust
1.25 K
153
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.1 K
611
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++
1.01 K
1.01 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
147
237
昇腾LLM分布式训练框架
Python
168
200
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
434
395
暂无简介
Dart
986
253