Newtonsoft.Json多内容JSON反序列化的正确读取方式
2025-05-21 01:18:51作者:温艾琴Wonderful
在.NET生态中,Newtonsoft.Json作为最流行的JSON处理库之一,其JsonReader提供了强大的流式处理能力。当处理包含多个独立JSON对象的内容时,开发者需要特别注意读取机制,否则可能遇到意外的反序列化异常。
多内容JSON处理场景
在实际开发中,我们经常会遇到以下形式的JSON数据:
{"id":"1"}{"id":"2"}
这种由多个独立JSON对象连续组成的字符串,常见于流式传输或日志记录场景。Newtonsoft.Json通过SupportMultipleContent属性支持这种特殊格式的解析。
常见误区与异常分析
许多开发者会尝试以下代码直接反序列化:
jsonTextReader.SupportMultipleContent = true;
var obj1 = serializer.Deserialize(jsonTextReader);
var obj2 = serializer.Deserialize(jsonTextReader); // 这里抛出异常
此时会收到"Unexpected token while deserializing object: EndObject"异常,这是因为反序列化操作后读取器位置停留在对象末尾,需要显式移动到下一个对象的起始位置。
正确的处理模式
正确的处理方式需要在每次反序列化后调用Read()方法:
jsonTextReader.SupportMultipleContent = true;
// 第一个对象
var obj1 = serializer.Deserialize(jsonTextReader);
jsonTextReader.Read(); // 关键步骤:移动到下一个token
// 第二个对象
var obj2 = serializer.Deserialize(jsonTextReader);
底层原理剖析
Newtonsoft.Json的读取器采用基于token的流式处理模型:
- 初始状态:读取器位于第一个对象的起始位置
- 反序列化操作:消费当前对象的所有token
- 读取器状态:停留在当前对象的结束位置(EndObject)
- Read()调用:将读取器推进到下一个对象的起始位置
这种设计保证了内存高效性,但也要求开发者明确控制读取器的位置移动。
最佳实践建议
- 对于确定的多对象内容,始终设置
SupportMultipleContent = true - 在循环处理多个对象时,采用以下模式:
while (jsonTextReader.Read())
{
if (jsonTextReader.TokenType == JsonToken.StartObject)
{
var obj = serializer.Deserialize(jsonTextReader);
// 处理对象...
}
}
- 考虑使用JsonConvert.DeserializeObject的封装方法时,注意其内部会完整消费一个对象
理解这些底层机制,可以帮助开发者更高效地处理复杂JSON数据流,避免常见的反序列化陷阱。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
187
205
暂无简介
Dart
629
143
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
React Native鸿蒙化仓库
JavaScript
242
316
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
383
3.62 K
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
210
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
293
103
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++
648
266
仓颉编译器源码及 cjdb 调试工具。
C++
128
858