Rust-protobuf中保持JSON字段名下划线格式的方法
2025-06-27 09:07:42作者:申梦珏Efrain
在使用Rust的protobuf库进行开发时,我们经常需要将protobuf消息转换为JSON格式。默认情况下,protobuf_json_mapping库会将protobuf中的下划线命名转换为驼峰式命名,这有时可能不符合我们的需求。本文将详细介绍如何在Rust-protobuf中保持JSON输出字段名的原始下划线格式。
问题背景
当我们使用protobuf定义消息时,通常会使用下划线命名法(如token_id)来定义字段名。然而,protobuf_json_mapping库默认会将这种命名转换为驼峰式(如tokenId)输出到JSON中。这在某些需要保持原始命名格式的场景下会造成不便。
解决方案
Rust-protobuf提供了PrintOptions结构体来控制JSON输出的行为。通过设置proto_field_name为true,我们可以保持字段名的原始下划线格式。
具体实现
- 首先创建protobuf消息实例并设置字段值:
let mut t = pa::Token::new();
t.set_token_id("我是token".to_string());
t.set_bool_value(true);
- 创建并配置PrintOptions:
let options = PrintOptions {
proto_field_name: true, // 关键配置项,保持原始字段名
..Default::default() // 其他选项保持默认
};
- 使用带选项的打印函数进行转换:
match print_to_string_with_options(&t, &options) {
Ok(str) => println!("json is {}", str),
Err(e) => eprintln!("e is {}", e),
}
输出结果
执行上述代码后,输出将保持原始的下划线命名格式:
json is {"token_id": "我是token", "bool_value": true}
技术细节
PrintOptions结构体提供了多个配置项来控制JSON输出的行为:
proto_field_name: 是否使用protobuf定义中的原始字段名always_output_default_values: 是否输出默认值字段preserve_proto_field_names: 保留原始protobuf字段名(与proto_field_name类似但行为略有不同)
在实际开发中,我们可以根据需求组合这些选项来获得理想的JSON输出格式。
最佳实践
- 在需要与现有系统保持兼容时,建议使用
proto_field_name: true来确保字段名一致 - 对于新项目,可以考虑使用默认的驼峰式命名以获得更好的JavaScript兼容性
- 在微服务架构中,确保所有服务使用相同的命名约定以避免混淆
通过掌握这些技巧,开发者可以更灵活地控制protobuf到JSON的转换过程,满足各种业务场景的需求。
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
最新内容推荐
全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 STM32到GD32项目移植完全指南:从兼容性到实战技巧 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
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
680
160
🔥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
65
19
Ascend Extension for PyTorch
Python
229
259
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++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660