QuickJS中操作JavaScript对象属性的方法解析
QuickJS作为一个轻量级的JavaScript引擎,提供了丰富的API来与JavaScript代码进行交互。本文将详细介绍如何在QuickJS的C扩展中操作JavaScript对象属性,包括属性读取、设置以及类型检查等核心操作。
JavaScript对象属性操作基础
在QuickJS的C扩展中,我们经常需要处理从JavaScript传递过来的对象。这些对象可能包含我们需要读取的数据,或者我们需要向这些对象添加新的属性。
对象类型验证
虽然QuickJS提供了JS_IsObject函数来检查一个值是否为对象类型,但在实际开发中,我们往往可以直接进行属性操作而无需显式类型检查。这是因为QuickJS的API设计已经考虑了类型安全性,当对非对象值尝试属性操作时会返回适当的错误码。
读取对象属性
读取JavaScript对象属性的核心函数是JS_GetPropertyStr,其函数原型如下:
JSValue JS_GetPropertyStr(JSContext *ctx, JSValueConst obj, const char *prop);
使用示例:
JSValue prop_a = JS_GetPropertyStr(ctx, obj, "a");
JSValue prop_b = JS_GetPropertyStr(ctx, obj, "b");
获取到属性值后,我们可以将其转换为C语言的基本类型进行处理。例如,对于数值类型的属性,可以使用JS_ToInt32等函数进行转换。
设置对象属性
向JavaScript对象添加或修改属性的函数是JS_SetPropertyStr,其函数原型为:
int JS_SetPropertyStr(JSContext *ctx, JSValueConst obj, const char *prop, JSValue val);
使用示例:
int ret = JS_SetPropertyStr(ctx, obj, "result", JS_NewInt32(ctx, 3));
这个函数会返回一个整数值表示操作是否成功。需要注意的是,设置的属性值需要先使用QuickJS的API创建为JSValue类型。
完整示例解析
下面是一个完整的C函数示例,它接收一个JavaScript对象,读取其a和b属性,计算它们的和,并将结果存入result属性:
static JSValue MyCFunction(JSContext *ctx, JSValueConst this_val,
int argc, JSValueConst *argv) {
// 检查参数数量
if (argc < 1) {
return JS_ThrowTypeError(ctx, "缺少参数");
}
// 获取传入的对象
JSValue obj = argv[0];
// 读取属性a和b
JSValue a_val = JS_GetPropertyStr(ctx, obj, "a");
JSValue b_val = JS_GetPropertyStr(ctx, obj, "b");
int32_t a, b;
// 将属性值转换为C的int32类型
JS_ToInt32(ctx, &a, a_val);
JS_ToInt32(ctx, &b, b_val);
// 计算结果
int32_t result = a + b;
// 将结果设置回对象
JS_SetPropertyStr(ctx, obj, "result", JS_NewInt32(ctx, result));
// 释放临时值
JS_FreeValue(ctx, a_val);
JS_FreeValue(ctx, b_val);
return JS_UNDEFINED;
}
注意事项
-
内存管理:使用
JS_GetPropertyStr获取的属性值需要手动调用JS_FreeValue释放,避免内存泄漏。 -
错误处理:在实际应用中,应该检查每个API调用的返回值,处理可能的错误情况。
-
类型转换:在将JavaScript值转换为C类型时,要确保类型匹配,否则可能导致未定义行为。
-
线程安全:QuickJS的API不是线程安全的,确保在同一个线程中完成所有相关操作。
通过掌握这些核心API,开发者可以轻松地在QuickJS的C扩展中与JavaScript对象进行交互,实现更复杂的功能扩展。
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