推荐开源项目:Dish!

Dish是一个极其简洁的工具,用于将哈希(Hash)转换为纯Ruby对象,特别适合于消费JSON API。此外,它还支持RubyMotion,让你在开发iOS应用时也能轻松处理JSON数据。
安装
只需在你的Gemfile中添加以下行:
gem "dish"
然后运行:
$ bundle
或者直接安装:
$ gem install dish
若要为Hash和Array对象添加to_dish辅助方法,可以在Gemfile中要求加载dish/ext:
gem "dish", require: "dish/ext"
在RubyMotion中的安装
RubyMotion的用户可以这样安装Dish:
gem "dish", require: "dish/motion"
运行bundle后即可使用。
注意:如果你在使用Dish与BubbleWrap的JSON模块,请参阅项目文档以获取更多信息。
使用示例
hash = {
title: "My Title",
authors: [
{ id: 1, name: "Mike Anderson" },
{ id: 2, name: "Well D." }
],
active: false
}
book = Dish(hash)
book.title # => "My Title"
book.authors.length # => 2
book.authors[1].name # => "Well D."
book.title? # => true
book.active? # => false
book.other # => nil
book.other? # => false
类型转换
Dish允许自动类型转换,如将值转换为自定义的Dish::Plate对象或Time对象,例如处理JSON源中的updated_at字段。
class Author < Dish::Plate; end
class Product < Dish::Plate
coerce :updated_at, ->(value) { Time.parse(value) }
coerce :authors, Author
end
source_products = [
# ...
]
products = Dish(source_products, Product)
products.first.updated_at # => Time对象 (例如2013-01-28 13:23:11)
products.first.authors.first # => Author对象
# 如果已引入"dish/ext",还可以这样操作:
products = source_products.to_dish(Product)
这受到了Hashie库中类型转换方法的启发。
尽情享受吧!
转换回Ruby/JSON对象
你可以使用Dish::Plate#to_h方法来访问原始哈希。同时,如果正在使用RubyMotion(使用NSJSONSerialization)或已加载了"json" Ruby标准库,也可以使用Dish::Plate#to_json方法进行JSON序列化。
注意:以前Dish::Plate#to_h被称为Dish::Plate#as_hash,现在Dish::Plate#as_hash已经废弃。
注意事项
与BubbleWrap JSON模块一起使用
当使用BubbleWrap解析JSON到哈希时,不能直接使用Hash#to_dish,因为BW::JSON返回的是非真实哈希对象。但可以通过以下方式实现相同效果:
BW::HTTP.get("http://path.to/api/books/2") do |response|
json = BW::JSON.parse(response.body.to_s)
book = Dish(json)
title_label.text = book.title
author_label.text = book.authors.map(&:name).join(", ")
end
贡献代码
欢迎加入新功能,但在提交之前,请先创建问题讨论。谢谢!
- 叉项目
- 创建特性分支(
git checkout -b my-new-feature) - 编码并添加测试确保不会破坏现有功能
- 提交更改(
git commit -am 'Add feature') - 推送到远程分支(
git push origin my-new-feature) - 创建拉取请求
现在,你已经了解了Dish,为何不尝试将其应用于你的项目呢?无论你是JSON API消费者还是RubyMotion开发者,Dish都是一个值得信赖的工具,其简洁的API和强大的类型转换功能定会给你带来便利。立即开始使用Dish,感受它带来的高效开发体验吧!
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。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Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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