Sanic框架中datetime对象的JSON序列化问题解析
2025-05-12 19:10:11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
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 WebVideoDownloader:高效网页视频抓取工具全面使用指南 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
196
218
暂无简介
Dart
635
144
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++
652
276
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
React Native鸿蒙化仓库
JavaScript
245
316
🎉 (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
1.12 K
627
仓颉编译器源码及 cjdb 调试工具。
C++
128
858
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
73
98
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
385
3.72 K