Fastjson2 中空对象与空数组的序列化处理技巧
2025-06-16 07:24:05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
kernelopenEuler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。C0100
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
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
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
477
3.56 K
React Native鸿蒙化仓库
JavaScript
287
340
暂无简介
Dart
728
175
Ascend Extension for PyTorch
Python
287
320
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++
849
446
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
235
98
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
10
1
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
450
180
🎉 (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
1.28 K
705