Newtonsoft.Json 派生类反序列化中 $type 属性的位置问题解析
2025-05-21 02:14:15作者:卓艾滢Kingsley
背景介绍
在使用 Newtonsoft.Json 进行 JSON 反序列化时,开发者经常会遇到需要处理继承关系的情况。当我们需要将 JSON 数据反序列化为基类,但实际希望得到派生类实例时,通常会使用 $type 元数据属性来指定具体类型。然而,这个属性的位置有时会影响反序列化的结果。
问题现象
考虑以下类结构:
class Base { public string Name { get; set; } }
class Derived : Base { }
当使用如下 JSON 进行反序列化时:
{"Name":"test","$type":"Derived, AssemblyName"}
结果会得到 Base 类型的实例,而不是预期的 Derived 类型。
但如果将 $type 属性放在首位:
{"$type":"Derived, AssemblyName","Name":"test"}
则能正确得到 Derived 类型的实例。
技术原理
这个现象背后的原因是 Newtonsoft.Json 默认的元数据处理方式。默认情况下,序列化器采用"按需读取"的策略处理 $type 属性,这意味着:
- 当
$type不是第一个属性时,序列化器会先开始创建对象 - 在遇到
$type属性前,已经基于声明的目标类型(Base)创建了实例 - 后续发现
$type时,对象已经创建完成
解决方案
Newtonsoft.Json 提供了 MetadataPropertyHandling 设置来控制这一行为:
var settings = new JsonSerializerSettings {
TypeNameHandling = TypeNameHandling.All,
MetadataPropertyHandling = MetadataPropertyHandling.ReadAhead
};
设置 ReadAhead 后,序列化器会:
- 先缓冲整个 JSON 对象
- 查找
$type属性 - 根据找到的类型信息创建正确类型的实例
性能考量
需要注意的是,启用 ReadAhead 模式会带来一定的性能开销:
- 需要额外的内存来缓冲 JSON 数据
- 增加了处理时间,特别是在处理大对象时
因此,建议仅在确实需要时才启用此模式。在可以控制 JSON 结构的情况下,将 $type 属性放在首位是更高效的解决方案。
最佳实践
- 如果可能,保持
$type作为 JSON 对象的第一个属性 - 当无法控制 JSON 结构时,使用
MetadataPropertyHandling.ReadAhead - 对于性能敏感场景,考虑预处理 JSON 数据来调整属性顺序
总结
理解 Newtonsoft.Json 处理类型元数据的方式对于正确实现多态反序列化至关重要。通过合理配置 MetadataPropertyHandling 或调整 JSON 结构,可以确保派生类型被正确识别和实例化,同时平衡性能和功能需求。
登录后查看全文
热门项目推荐
相关项目推荐
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
160
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++
664
323
🎉 (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
1.21 K
659
React Native鸿蒙化仓库
JavaScript
265
326
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868