Gson 2.13.0版本发布:集合反序列化改进与内部重构
项目简介
Gson是Google开发的一个流行的Java库,用于在Java对象和JSON数据之间进行序列化和反序列化。它提供了简单易用的API,能够自动处理大多数常见的数据类型转换,同时也支持自定义类型适配器以满足特殊需求。Gson因其简洁性和高效性而广受Java开发者欢迎。
版本亮点
Gson 2.13.0版本带来了两个重要的变化,一个是修复了集合反序列化的行为,另一个是对内部类进行了重构。这些变化虽然看似不大,但对于依赖Gson进行JSON处理的应用程序来说具有重要意义。
1. 集合反序列化行为的修正
在之前的版本中,Gson在处理抽象集合类型(如Guava的ImmutableList)时存在一个潜在问题。当开发者尝试反序列化JSON到一个不可变集合类型时,Gson实际上会返回一个可变的ArrayList实例。这种行为虽然在某些情况下能够工作,但从类型安全的角度来看是不正确的。
例如,当使用以下代码时:
gson.fromJson(jsonString, new TypeToken<ImmutableList<String>>() {})
旧版本会返回一个ArrayList<String>,而开发者期望的是ImmutableList<String>。这种类型不匹配通常会导致ClassCastException,但在某些特殊情况下可能会被忽略,从而引发潜在的类型安全问题。
在2.13.0版本中,Gson现在会正确地尝试实例化请求的类型(如ImmutableList)。由于ImmutableList是抽象类,无法直接实例化,因此会抛出JsonIOException异常,并给出明确的错误信息:
com.google.gson.JsonIOException: Abstract classes can't be instantiated!
Adjust the R8 configuration or register an InstanceCreator or a TypeAdapter for this type.
Class name: com.google.common.collect.ImmutableList
解决方案:
- 如果不需要不可变集合,可以将类型改为普通的
List<String> - 如果需要不可变集合,可以注册自定义的
TypeAdapter或JsonDeserializer来处理ImmutableList的创建
2. 内部类重构
Gson 2.13.0还对两个内部工具类进行了重命名:
$Gson$Types→GsonTypes$Gson$Preconditions→GsonPreconditions
这些类原本使用$符号作为命名约定,表明它们是内部实现细节,不应被外部代码直接使用。新版移除了$符号,进一步明确了这些类的内部性质。
影响评估:
- 对于正常使用Gson API的应用程序没有影响
- 如果应用程序错误地依赖了这些内部类,建议复制相关代码到自己的项目中(需遵守Apache 2.0许可证),而不是依赖Gson的内部实现
技术意义
-
类型安全增强:集合反序列化行为的修正使得Gson在类型处理上更加严格和准确,减少了运行时类型错误的风险。
-
API边界清晰化:内部类的重构明确了Gson的公共API边界,鼓励开发者只使用公开支持的API,提高代码的长期稳定性。
-
错误处理改进:新的错误信息更加明确,帮助开发者更快地识别和解决问题。
升级建议
对于大多数项目,升级到Gson 2.13.0应该是安全的。但需要注意以下几点:
- 检查项目中是否使用了抽象集合类型(如Guava的不可变集合)的反序列化
- 如果使用了这些类型,需要添加适当的类型适配器或修改类型声明
- 确认没有直接使用Gson的内部类(以
$开头的类)
总结
Gson 2.13.0虽然是一个小版本更新,但带来了重要的行为改进和内部重构。这些变化使得Gson在类型处理上更加准确,API边界更加清晰。开发者应当评估这些变化对自己项目的影响,特别是那些使用特殊集合类型的代码。通过这次更新,Gson继续巩固其作为Java生态系统中可靠JSON处理库的地位。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00