Fastjson2 中空对象与空数组的序列化处理技巧
2025-06-16 08:05:26作者:余洋婵Anita
在实际开发中,我们经常会遇到 JSON 数据中某些字段在正常情况下返回数组,但在空值情况下返回空对象的情况。这种不一致的数据格式会给反序列化带来挑战。本文将深入探讨如何使用 Fastjson2 优雅地处理这种场景。
问题场景分析
假设我们有一个 Java 类:
class TestArray {
private List<String> array;
}
在 JSON 数据中,我们可能遇到两种格式:
- 正常情况:
{"array":["1","2"]} - 空值情况:
{"array":{}}
这种不一致性会导致 Fastjson2 在反序列化空对象为 List 时抛出异常。
解决方案
方案一:使用自定义反序列化器
我们可以通过实现 ObjectDeserializer 接口来创建自定义的反序列化逻辑:
public class ListOrEmptyObjectDeserializer implements ObjectDeserializer {
@Override
public <T> T deserialze(DefaultJSONParser parser, Type type, Object fieldName) {
JSONLexer lexer = parser.lexer;
if (lexer.token() == JSONToken.LBRACE) {
lexer.nextToken(JSONToken.RBRACE);
return (T) new ArrayList();
}
return parser.parseObject(type);
}
@Override
public int getFastMatchToken() {
return JSONToken.LBRACKET;
}
}
然后通过注解应用到字段上:
class TestArray {
@JSONField(deserializeUsing = ListOrEmptyObjectDeserializer.class)
private List<String> array;
}
方案二:使用 TypeReference 处理
在反序列化时,我们可以使用 TypeReference 来指定更灵活的类型处理:
TypeReference<TestArray> typeRef = new TypeReference<TestArray>() {};
TestArray obj = JSON.parseObject(jsonString, typeRef);
方案三:全局配置自定义反序列化器
如果需要在整个项目中统一处理这种场景,可以配置全局的反序列化器:
ParserConfig.getGlobalInstance().putDeserializer(List.class, new ListOrEmptyObjectDeserializer());
最佳实践建议
-
一致性优先:在设计 API 时,尽量保持数据结构的一致性,避免混合使用空对象和空数组。
-
防御性编程:在客户端代码中,对可能为空的集合进行空检查,避免 NPE。
-
文档说明:如果必须使用这种混合格式,应在 API 文档中明确说明,方便其他开发者理解。
-
性能考虑:自定义反序列化器会增加一定的性能开销,在性能敏感的场景需要权衡。
总结
Fastjson2 提供了灵活的机制来处理 JSON 数据中的不一致格式。通过自定义反序列化器,我们可以优雅地解决空对象与空数组的兼容问题。在实际项目中,建议根据具体需求选择最适合的解决方案,同时注意保持代码的可维护性和性能平衡。
理解这些技术细节不仅能帮助我们解决眼前的问题,更能提升我们对 JSON 序列化/反序列化机制的深入理解,为处理更复杂的数据格式转换场景打下基础。
登录后查看全文
热门项目推荐
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 StartedRust0152- 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
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
618
795
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
433
395
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++
1.01 K
1.01 K
Claude 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 Started
Rust
1.18 K
152
deepin linux kernel
C
29
16
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
暂无简介
Dart
983
252
昇腾LLM分布式训练框架
Python
166
198
🎉 (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
1.68 K
989