ArduinoJson库中JsonArray.size()返回0问题的解决方案
2025-06-01 20:11:48作者:尤辰城Agatha
在使用ArduinoJson库处理JSON数据时,开发者可能会遇到一个常见问题:成功反序列化JSON数组后,调用JsonArray.size()却始终返回0。本文将深入分析该问题的成因,并提供完整的解决方案。
问题现象
当开发者尝试读取SPIFFS中的JSON数组文件并进行反序列化时,虽然能够成功遍历数组元素,但通过to<JsonArray>()转换后调用size()方法却返回0值。示例JSON文件包含多个电台信息对象,结构如下:
[
{
"name": "Cork 96fm",
"url": "https://wg.cdn.tibus.net/96fm"
},
// 更多电台...
]
问题根源
经过分析,发现问题出在错误的类型转换方法上。开发者使用了to<JsonArray>()而非正确的as<JsonArray>()方法:
to<T>():执行类型转换并返回新对象as<T>():返回原始数据的视图引用
在ArduinoJson中,to<T>()会创建一个新的空数组,而as<T>()才能正确获取原始数组引用。
正确解决方案
正确的做法是使用as<JsonArray>()获取数组引用:
JsonArray arr = doc.as<JsonArray>();
int count = arr.size(); // 现在能获取正确元素数量
内存管理最佳实践
对于需要长期保存反序列化数据的情况,开发者需要注意:
- 避免直接引用JSON文档中的字符串:这些字符串的生命周期与JsonDocument绑定
- 推荐使用固定大小字符数组:防止内存泄漏
- 动态内存分配方案:如需动态分配,应使用
strndup复制字符串
示例结构体定义和内存分配:
typedef struct {
char name[64]; // 固定大小缓冲区
char url[128];
} StationInfo;
StationInfo* stations = new StationInfo[count];
完整实现示例
以下是经过优化的完整代码实现:
bool loadStations(const char* filename, StationInfo* &output, int& count) {
File file = SPIFFS.open(filename);
if(!file) return false;
JsonDocument doc;
if(deserializeJson(doc, file)) return false;
JsonArray arr = doc.as<JsonArray>();
count = arr.size();
output = new StationInfo[count];
for(int i=0; i<count; i++) {
strncpy(output[i].name, arr[i]["name"], sizeof(StationInfo::name)-1);
strncpy(output[i].url, arr[i]["url"], sizeof(StationInfo::url)-1);
}
file.close();
return true;
}
总结
处理ArduinoJson时,理解视图(as<>)和转换(to<>)的区别至关重要。对于配置数据的长期存储,建议采用固定大小缓冲区或妥善管理的动态内存方案。遵循这些原则可以构建出既高效又稳定的嵌入式JSON处理程序。
通过本文的解决方案,开发者可以避免常见的陷阱,确保JSON数组操作的正确性,同时保证系统的内存安全。
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
24
9
Ascend Extension for PyTorch
Python
222
238
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
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217