MessagePack-CSharp 中处理字符串反序列化的 FormatterNotRegisteredException 问题
在使用 MessagePack-CSharp 进行数据序列化和反序列化时,开发者可能会遇到一个常见问题:当尝试反序列化包含字符串类型的数据时,系统抛出 FormatterNotRegisteredException 异常,提示字符串类型未在解析器中注册。本文将深入分析这个问题产生的原因,并提供完整的解决方案。
问题现象
当开发者使用 MessagePack-CSharp 的源码生成功能时,可能会遇到如下错误:
FormatterNotRegisteredException: 'System.String is not registered in resolver
这个错误通常发生在以下场景:
- 使用了
[GeneratedMessagePackResolver]特性生成自定义解析器 - 尝试反序列化包含字符串类型的对象
- 仅使用了生成的解析器实例作为反序列化选项
问题根源
MessagePack-CSharp 的源码生成器只会为标记了 [MessagePackObject] 的自定义类型生成解析器。对于 .NET 内置的基本类型(如 System.String),它们属于 MessagePack 的"内置类型",默认情况下不会包含在生成的解析器中。
这些内置类型的解析器实际上存在于 BuiltinResolver 中。当开发者仅使用生成的解析器而忽略了内置解析器时,系统就无法找到字符串类型的格式化器,从而导致上述异常。
解决方案
正确的做法是创建一个复合解析器(CompositeResolver),将生成的解析器与内置解析器组合使用。以下是完整的解决方案:
- 首先确保你的自定义类型已正确标记
[MessagePackObject]特性 - 使用
GeneratedMessagePackResolver生成解析器 - 创建复合解析器,将生成的解析器与内置解析器组合
[GeneratedMessagePackResolver]
internal partial class MessagepackBouncyHsmResolver
{
// 可以添加静态属性方便访问
public static IFormatterResolver Instance => MessagepackBouncyHsmResolver.Instance;
}
// 使用时创建复合解析器
var resolver = CompositeResolver.Create(
BuiltinResolver.Instance,
MessagepackBouncyHsmResolver.Instance
);
var options = MessagePackSerializerOptions.Standard.WithResolver(resolver);
最佳实践
-
对于简单项目:可以直接使用
MessagePackSerializerOptions.Standard,它已经包含了所有必要的解析器。 -
对于使用源码生成的项目:
- 总是创建复合解析器
- 考虑将解析器配置封装为静态属性方便复用
- 对于性能敏感场景,可以缓存解析器实例
-
扩展性考虑:如果需要支持更多内置类型或第三方类型,可以在复合解析器中添加相应的解析器实例。
总结
MessagePack-CSharp 通过分离内置类型和自定义类型的解析器实现了更好的模块化设计。理解这种设计模式后,开发者就能正确处理类型解析的问题。记住,当使用源码生成功能时,总是要考虑将生成的解析器与内置解析器组合使用,这样才能确保所有类型都能被正确序列化和反序列化。
通过本文的解决方案,开发者可以避免 FormatterNotRegisteredException 异常,确保字符串等内置类型能够与自定义类型一起正常工作。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00