Kotlinx.Serialization实战:自定义时间戳的JSON原始类型序列化
2025-06-07 02:07:38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
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
278
2.57 K
deepin linux kernel
C
24
6
React Native鸿蒙化仓库
JavaScript
223
302
Ascend Extension for PyTorch
Python
105
135
暂无简介
Dart
568
127
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++
599
164
🎉 (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
1.03 K
607
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
448
openGauss kernel ~ openGauss is an open source relational database management system
C++
154
205
一个用于服务器应用开发的综合工具库。
- 零配置文件
- 环境变量和命令行参数配置
- 约定优于配置
- 深刻利用仓颉语言特性
- 只需要开发动态链接库,fboot负责加载、初始化并运行。
Cangjie
283
26