Newtonsoft.Json 静态字段在反序列化中被覆盖问题解析
问题现象
在使用Newtonsoft.Json进行对象序列化和反序列化时,开发者可能会遇到一个令人困惑的现象:当类中包含一个静态字段,且该字段类型与所在类相同时,在反序列化过程中这个静态字段的值会被意外修改。
问题复现
考虑以下代码示例:
public class Model
{
public Encoding Encoding { get; init; } = Encoding.Default;
}
public class Encoding
{
public static readonly Encoding Default = new Encoding
{
Type = EncondingType.Hex,
};
public required EncondingType Type { get; init; }
}
当对Model实例进行序列化再反序列化后,原本应该保持不变的Encoding.Default静态字段的值会被修改。
根本原因
这个问题的根源在于Newtonsoft.Json的默认反序列化行为:
-
对象重用机制:Newtonsoft.Json默认采用
ObjectCreationHandling.Reuse策略,即在反序列化时会尝试重用已存在的对象实例,而不是总是创建新实例。 -
init访问器处理:虽然C#引入了
init访问器来限制属性只能在初始化时设置,但Newtonsoft.Json的反射机制并不特殊处理这种访问器,仍然会像普通set访问器一样进行赋值。 -
默认值影响:当Model类的Encoding属性有默认值
Encoding.Default时,反序列化器会重用这个实例,导致静态字段被修改。
解决方案
要解决这个问题,可以通过配置JsonSerializerSettings来改变反序列化行为:
var settings = new JsonSerializerSettings
{
ObjectCreationHandling = ObjectCreationHandling.Replace
};
var instance = JsonConvert.DeserializeObject<Model>(json, settings);
将ObjectCreationHandling设置为Replace后,反序列化器会始终创建新实例,而不会重用现有对象,从而避免了静态字段被意外修改的问题。
最佳实践
-
对于包含静态实例的类,建议在反序列化时显式指定
ObjectCreationHandling.Replace。 -
考虑将静态实例设为不可变对象,或者使用深拷贝来保护原始数据。
-
在设计类时,避免让静态字段引用可变实例,或者确保这些实例不会被意外修改。
-
对于需要严格保护的数据,可以考虑使用
readonly字段而非属性,虽然这会限制Newtonsoft.Json的序列化能力。
总结
这个问题展示了Newtonsoft.Json在对象生命周期管理上的一个设计选择。虽然重用对象可以提高性能,但在某些场景下会导致意外的副作用。理解这一机制有助于开发者在实际项目中做出更合理的设计决策,避免类似问题的发生。
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 StartedRust098- 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
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00