Sanic框架中datetime对象的JSON序列化问题解析
2025-05-12 17:57:08作者:宣海椒Queenly
在Python的Sanic框架开发过程中,开发者经常会遇到需要将包含datetime类型数据的对象序列化为JSON格式返回给客户端的情况。然而,Sanic默认的JSON序列化器并不能直接处理datetime对象,这会导致TypeError异常。
问题本质
JSON规范本身只支持以下几种数据类型作为值:
- 数字(整数和浮点数)
- 字符串
- 数组
- 布尔值
- null
- JSON对象
datetime对象不属于上述任何一类,因此需要开发者自行决定如何将其转换为JSON兼容的格式。这种设计是合理的,因为datetime可以转换为多种格式(如时间戳、ISO格式字符串、自定义格式字符串等),框架不应该强制使用某一种特定格式。
解决方案
1. 针对单个路由的解决方案
对于只需要在特定路由中处理datetime序列化的情况,可以在response.json()方法中传入自定义的default处理器:
from datetime import datetime, date
def datetime_to_json_formatting(o):
if isinstance(o, (date, datetime)):
return o.strftime('%Y%m%d %H%M%S')
@app.get("/example")
async def example(request):
body = {'time': datetime.now(), 'body': 'string'}
return response.json(body, default=datetime_to_json_formatting)
这种方法灵活且不影响其他路由,适合只在少数地方需要处理datetime序列化的场景。
2. 全局解决方案
如果项目中大量路由都需要处理datetime序列化,可以创建自定义的JSON序列化器并应用到整个Sanic应用:
import functools
from datetime import datetime, date
def datetime_to_json_formatting(o):
if isinstance(o, (date, datetime)):
return o.strftime('%Y%m%d %H%M%S')
custom_dumps = functools.partial(ujson.dumps, default=datetime_to_json_formatting)
app = Sanic("app", dumps=custom_dumps)
这种方法确保了整个应用中的所有JSON响应都能正确处理datetime对象,避免了重复代码。
最佳实践建议
-
格式一致性:在整个项目中保持datetime转换格式的一致性,建议使用ISO 8601格式(如'%Y-%m-%dT%H:%M:%S')以便前端处理。
-
时区处理:明确时区处理策略,建议存储和传输UTC时间,在前端显示时再转换为本地时间。
-
性能考虑:对于高频接口,自定义序列化函数的性能会影响整体响应时间,应进行适当的性能测试。
-
扩展性:自定义的default处理器可以扩展以处理其他非JSON原生类型,如Decimal、UUID等。
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
JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 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 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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
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++
660
308
🔥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
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
392
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (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
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
878