Hiddify-Manager 项目中 JSON 序列化错误的解决方案
问题现象分析
在 Hiddify-Manager 项目版本 10.50.4 中,管理员尝试手动更新用户使用量时,系统抛出了一个 JSON 序列化错误。错误信息明确指出:"Object of type datetime is not JSON serializable",即系统无法将 datetime 类型的对象转换为 JSON 格式。
错误根源探究
从堆栈跟踪中可以清晰地看到,错误发生在 Actions.py 文件的第 185 行,当系统尝试使用 json.dumps() 函数序列化使用量数据时失败。这通常意味着返回的数据结构中包含了 Python 的 datetime 对象,而 JSON 标准格式并不直接支持这种数据类型。
技术背景说明
JSON (JavaScript Object Notation) 是一种轻量级的数据交换格式,它仅支持以下几种基本数据类型:
- 字符串
- 数字
- 布尔值
- 数组
- 对象(字典)
- null
Python 的 datetime 对象不属于上述任何一类,因此直接序列化会失败。这是 Python Web 开发中常见的一个问题。
解决方案建议
针对这个问题,有以下几种可行的解决方案:
-
数据类型转换:在序列化前,将 datetime 对象转换为字符串格式。Python 的 datetime 对象有 isoformat() 方法可以方便地实现这一点。
-
自定义 JSON 编码器:创建一个继承自 json.JSONEncoder 的子类,重写 default 方法,在其中处理 datetime 对象的序列化。
-
使用第三方库:可以考虑使用如
marshmallow这样的库,它提供了更强大的序列化功能,能够自动处理各种复杂数据类型。 -
数据预处理:在查询数据库时,直接获取格式化后的字符串而非 datetime 对象。
实施建议
对于 Hiddify-Manager 项目,最直接的修复方式是在 update_local_usage() 方法返回数据前,确保所有 datetime 对象都已转换为字符串。例如:
import json
from datetime import datetime
def datetime_handler(x):
if isinstance(x, datetime):
return x.isoformat()
raise TypeError("Unknown type")
json.dumps(data, default=datetime_handler)
预防措施
为了避免类似问题再次发生,建议:
- 在代码审查时特别注意涉及 JSON 序列化的部分
- 为相关功能添加单元测试,确保各种数据类型都能正确序列化
- 在项目文档中明确标注哪些API会返回包含日期时间的数据
总结
这个错误虽然看似简单,但反映了在Web开发中数据类型处理的重要性。正确处理各种数据类型的序列化不仅能避免运行时错误,还能提高系统的健壮性和可维护性。对于Hiddify-Manager这样的网络管理工具,确保数据能够正确传输和显示尤为重要。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C092
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00