Kotlinx.Serialization实战:自定义时间戳的JSON原始类型序列化
2025-06-07 22:25:16作者:羿妍玫Ivan
在Kotlin生态中,kotlinx.serialization作为官方推荐的序列化库,其灵活的自定义序列化能力常被开发者使用。本文将通过一个典型场景——将自定义时间戳对象序列化为JSON原始数值类型(而非默认的对象结构),深入解析其实现原理。
场景需求
假设我们有一个Timestamp类型,其内部存储的是UNIX纪元起的微秒数(即毫秒值×1000)。服务端接口要求该类型必须以原始数值形式传输,而非JSON对象结构。
常见误区
许多开发者会直接使用@Serializer注解生成默认序列化器,如下所示:
@Serializer(forClass = Timestamp::class)
object TimestampSerializer : KSerializer<Timestamp> {
override fun deserialize(decoder: Decoder) {
decoder.decodeStructure(descriptor) {
Timestamp(decodeLongElement(descriptor, 0) / 1000)
}
}
// 省略serialize实现...
}
这种实现会强制将时间戳处理为JSON对象结构(如{"element":1634567890000}),而我们需要的是直接输出数值(如1634567890000)。
核心解决方案
关键在于正确配置serialDescriptor。序列化描述符决定了数据在序列化流中的结构形态。对于原始数值类型,我们需要使用PrimitiveSerialDescriptor:
@Serializer(forClass = Timestamp::class)
object TimestampSerializer : KSerializer<Timestamp> {
// 关键点:声明为LONG型原始描述符
override val descriptor = PrimitiveSerialDescriptor(
"com.example.Timestamp",
PrimitiveKind.LONG
)
override fun deserialize(decoder: Decoder): Timestamp {
// 直接解码为原始long值
return Timestamp(decoder.decodeLong() / 1000)
}
override fun serialize(encoder: Encoder, value: Timestamp) {
// 直接编码为原始long值
encoder.encodeLong(value.toInstant().toEpochMilli() * 1000L)
}
}
技术原理深度解析
-
描述符类型决定序列化形态:
StructureDescriptor对应JSON对象PrimitiveSerialDescriptor对应JSON原始值(数值/字符串/布尔值)
-
微秒与毫秒转换: 示例中
/1000和*1000L的转换处理,体现了时间单位转换的常见模式。实际业务中需根据具体协议调整。 -
IDE静态检测的局限性: 当前Kotlin插件无法验证序列化实现与描述符的匹配性,开发者需自行保证:
- 使用
PrimitiveSerialDescriptor时,必须调用decodeXXX()原始方法 - 不能使用
decodeStructure等结构化方法
- 使用
最佳实践建议
- 单元测试验证:
@Test
fun testTimestampSerialization() {
val json = Json.encodeToString(TimestampSerializer, timestamp)
assertTrue(json.toLongOrNull() != null) // 验证输出是原始数值
}
-
考虑跨平台一致性: 如果涉及多平台项目,建议将序列化逻辑放在commonMain模块中。
-
性能优化: 对于高频调用的时间戳序列化,可将serializer对象声明为单例(如示例中的object)。
通过本文的解决方案,开发者可以优雅地实现自定义类型到JSON原始值的映射,满足各类严苛的接口协议要求。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
203
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥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
68
20
🎉 (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
1.37 K
781