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。
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
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