Fastjson2中自定义Map键类型的序列化与反序列化实践
在JSON数据处理过程中,我们经常会遇到需要自定义序列化和反序列化逻辑的场景。本文将以Fastjson2项目为例,详细介绍如何处理Map中键类型转换的问题,特别是当JSON中的键为数字而我们需要将其映射为Java中的Integer类型时。
问题背景
在实际开发中,我们可能会遇到如下JSON数据结构:
{
"splitScreenDetail": {
0: ["037a00020054199eeebf", "037a00020054010a67ff"],
1: ["034a0002006e9d17f3ff"]
}
}
在Java中,我们希望将这个结构映射为Map<Integer, List<String>>类型。然而,默认情况下,JSON解析器会将对象键视为字符串类型,这就导致了类型不匹配的问题。
Fastjson1的解决方案
在Fastjson1中,可以通过实现ObjectDeserializer和ObjectSerializer接口来自定义序列化和反序列化逻辑:
@JSONField(deserializeUsing = SplitScreenDetailDeserializer.class,
serializeUsing = SplitScreenDetailDeserializer.class)
private Map<Integer, List<String>> splitScreenDetail;
public static class SplitScreenDetailDeserializer
implements ObjectDeserializer, ObjectSerializer {
@Override
public Map<Integer, List<String>> deserialze(DefaultJSONParser parser,
Type type, Object fieldName) {
Map<Object, List<String>> stringMap = parser.parseObject(HashMap.class);
Map<Integer, List<String>> resultMap = new HashMap<>();
stringMap.forEach((k,v) ->
resultMap.put(Integer.valueOf(k.toString()), v));
return resultMap;
}
@Override
public void write(JSONSerializer jsonSerializer, Object object,
Object o1, Type type, int i) throws IOException {
if (object instanceof Map) {
Map<Integer, List<String>> map = (Map<Integer, List<String>>) object;
Map<Object, List<String>> resultMap = new HashMap<>();
map.forEach((k,v) -> resultMap.put(k.toString(), v));
jsonSerializer.write(resultMap);
}
}
}
Fastjson2的改进方案
升级到Fastjson2后,API发生了变化,需要采用新的接口来实现相同的功能。Fastjson2提供了更清晰的责任分离,将序列化和反序列化逻辑分别放在不同的接口中:
反序列化实现
public static class SplitScreenDetailDeserializer
implements ObjectReader<Map<Integer, List<String>>> {
@Override
public Map<Integer, List<String>> readObject(JSONReader jsonReader,
Type fieldType,
Object fieldName,
long features) {
Map<String, JSONArray> stringMap = (Map) jsonReader.readObject();
Map<Integer, List<String>> resultMap = new HashMap<>();
stringMap.forEach((key, value) ->
resultMap.put(Integer.parseInt(key),
value.toJavaList(String.class)));
return resultMap;
}
}
序列化实现
public static class SplitScreenDetailSerializer
implements ObjectWriter<Map<Integer, List<String>>> {
@Override
public void write(JSONWriter jsonWriter, Object object,
Object fieldName, Type fieldType, long features) {
Map<String, List<String>> resultMap = new HashMap<>();
Map<Integer, List<String>> reqMap = (Map) object;
reqMap.forEach((key, value) -> resultMap.put(key.toString(), value));
jsonWriter.write(resultMap);
}
}
使用方式
定义好自定义的序列化和反序列化器后,可以通过注解方式应用到字段上:
@JSONField(deserializeUsing = SplitScreenDetailDeserializer.class,
serializeUsing = SplitScreenDetailSerializer.class)
private Map<Integer, List<String>> splitScreenDetail;
技术要点解析
-
类型安全:Fastjson2通过泛型明确了序列化和反序列化的目标类型,提高了代码的类型安全性。
-
职责分离:将序列化和反序列化逻辑分离到不同的接口中,符合单一职责原则。
-
性能优化:Fastjson2的API设计更加高效,减少了不必要的类型转换和对象创建。
-
错误处理:在实际应用中,应该增加对数字格式错误的处理,例如捕获
NumberFormatException。
最佳实践建议
-
版本兼容性:注意不同版本Fastjson的API变化,升级时需要进行充分测试。
-
性能考虑:对于高频调用的序列化/反序列化操作,可以考虑缓存转换结果。
-
日志记录:在自定义逻辑中加入适当的日志记录,便于调试和问题排查。
-
单元测试:为自定义序列化器编写全面的单元测试,覆盖各种边界情况。
通过本文的介绍,开发者可以掌握在Fastjson2中处理复杂类型转换的技巧,特别是Map键类型的自定义处理,这对于处理各种非标准JSON数据结构非常有帮助。
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-1.5暂无简介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