Fastjson2中带Filter和ReferenceDetection特性时的JSON序列化Bug解析
2025-06-16 15:54:55作者:廉皓灿Ida
在Fastjson2 2.0.51版本中,开发者发现了一个关于JSON序列化的有趣Bug。当同时使用属性过滤器(PropertyPreFilter)和引用检测特性(ReferenceDetection)时,生成的JSON字符串会出现格式错误,具体表现为自引用属性后面缺少必要的冒号分隔符。
问题现象
当开发者尝试序列化一个包含自引用的Map对象时,如果同时启用了属性过滤器和引用检测特性,生成的JSON字符串会出现语法错误。例如:
Map<String, Object> map = new HashMap<>();
map.put("k", "v");
map.put("selfRef", map);
// 正常输出:{"selfRef":{"$ref":".."},"k":"v"}
String json = JSON.toJSONString(map, Feature.ReferenceDetection);
// 错误输出:{"selfRef"{"$ref":"$"},"k":"v"} ← 注意缺少冒号
String badJson = JSON.toJSONString(map, propertyJsonFilter, Feature.ReferenceDetection);
技术背景
Fastjson2提供了多种序列化特性,其中:
- PropertyPreFilter:允许开发者在序列化过程中动态决定哪些属性应该被包含在最终的JSON输出中
- ReferenceDetection:用于处理循环引用问题,当检测到对象引用自身时,会生成特殊的
$ref标记而不是无限递归
这两个特性在单独使用时都能正常工作,但当它们组合使用时就会出现格式问题。
问题根源
经过分析,这个Bug出现在序列化器的处理逻辑中。当同时启用过滤器和引用检测时,序列化器在处理自引用属性时,错误地跳过了键值对分隔符(冒号)的输出步骤。这通常发生在:
- 序列化器首先检查属性是否应该被过滤
- 然后检测到循环引用,准备输出
$ref标记 - 在这个过程中,格式控制逻辑出现了纰漏,遗漏了必要的冒号
解决方案
Fastjson2团队在2.0.52版本中修复了这个问题。修复方案主要涉及:
- 确保在输出属性名和属性值之间始终包含分隔符
- 重构了过滤器和引用检测特性的交互逻辑
- 增加了针对这种组合场景的测试用例
最佳实践
对于开发者来说,处理循环引用时建议:
- 明确是否需要引用检测特性 - 只有在确实存在循环引用时才启用
- 谨慎组合使用多个特性 - 新特性组合应该进行充分测试
- 及时升级到最新版本 - 以获取Bug修复和新特性
这个Bug的修复体现了Fastjson2团队对细节的关注,也提醒我们在使用复杂特性组合时需要更加谨慎。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
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
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.88 K
暂无简介
Dart
671
155
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
260
322
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++
661
310
🎉 (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
1.19 K
653
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1