Jackson-databind中JsonFormat.Shape.ARRAY与@JsonAnyGetter的序列化问题解析
2025-06-20 08:46:23作者:柯茵沙
在Jackson-databind项目的使用过程中,开发者发现了一个关于JSON数组格式序列化的特殊问题。当数据类同时使用@JsonFormat(shape = JsonFormat.Shape.ARRAY)注解和@JsonAnyGetter注解时,序列化行为会出现不符合预期的结果。
问题现象
测试案例中定义了一个包含四个属性的数据类BeanWithAnyGetter:
- 三个常规属性:firstProperty、secondProperties、forthProperty
- 一个通过
@JsonAnyGetter注解标记的动态属性集合方法
当这个类被标记为@JsonFormat(shape = JsonFormat.Shape.ARRAY)时,预期它会以JSON数组形式序列化,但实际上却仍然以JSON对象形式输出。
技术分析
预期行为
按照JsonFormat.Shape.ARRAY的设计初衷,所有属性应该按照@JsonPropertyOrder指定的顺序(或默认顺序)被序列化为一个JSON数组,省略属性名称只保留值。
实际行为
当存在@JsonAnyGetter时,序列化过程似乎完全忽略了ARRAY形状的指定,退回到了默认的对象序列化方式,保留了所有属性名-值对。
深层原因
这是由于Jackson的内部处理机制导致的:
@JsonAnyGetter会动态收集属性到Map中- 在序列化处理器中,这种动态属性集合与数组形状的序列化逻辑存在冲突
- 当前的实现优先处理了动态属性,而未能正确应用数组形状的转换
解决方案
该问题已在Jackson-databind 2.19版本中得到修复。修复后:
- 无论是否使用
@JsonAnyGetter,JsonFormat.Shape.ARRAY都能正确工作 - 动态属性会被收集并按照指定顺序插入到数组中
- 保持了数组序列化的一致性
最佳实践建议
对于需要同时使用数组格式和动态属性的场景,开发者应该:
- 明确属性顺序,使用
@JsonPropertyOrder确保一致性 - 注意动态属性的键可能影响数组元素的顺序
- 在复杂场景下考虑使用自定义序列化器
这个问题展示了Jackson在处理复杂注解组合时的边界情况,提醒开发者在设计数据类时需要充分考虑各种注解之间的交互影响。
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
Ascend Extension for PyTorch
Python
222
245
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
暂无简介
Dart
672
157
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
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217