ArduinoJson 中动态文档初始化的正确方式:避免数据丢失的陷阱
2025-05-31 12:07:04作者:余洋婵Anita
问题现象
在使用ArduinoJson库(7.4.0版本)开发ESP32项目时,开发者发现了一个奇怪的现象:当以不同顺序向DynamicJsonDocument添加数据时,会出现部分数据丢失的情况。具体表现为:
- 如果首先通过
as<JsonObject>()获取引用并添加数据,后续直接使用doc["key"]添加的数据会丢失 - 如果全部通过
as<JsonObject>()获取的引用添加数据,则整个文档会序列化为null - 只有先使用
doc["key"]直接添加数据,后续操作才能正常工作
根本原因
这个问题的核心在于对as<JsonObject>()和to<JsonObject>()两个方法的误解。as<JsonObject>()仅用于获取已存在对象的引用,而不会创建新对象。当文档为空时调用它,实际上获取的是一个无效引用。
正确的做法是使用to<JsonObject>(),这个方法会在文档为空时自动创建一个新的JsonObject。这就是为什么直接使用doc["key"]能正常工作的原因 - 它内部会自动调用转换方法。
解决方案
对于动态文档的初始化,应遵循以下原则:
- 首次创建对象时,必须使用
to<JsonObject>()或to<JsonArray>() - 只有在确定文档已包含对象/数组时,才使用
as<JsonObject>()或as<JsonArray>() - 直接使用
doc["key"]语法是安全的,因为它内部会处理转换
修正后的代码示例:
// 正确的方式 - 使用to<JsonObject>初始化
JsonObject obj = doc.to<JsonObject>();
obj["key1"] = "value1";
obj["key2"] = 123;
// 或者直接使用doc[]语法(推荐)
doc["key1"] = "value1";
doc["key2"] = 123;
额外优化建议
- 浮点数处理:ArduinoJson默认已经会将NaN和Infinity转换为null,无需额外检查
- 内存检查:虽然检查overflow是好的做法,但正确初始化后通常不会出现问题
- 编译器警告:确保开启所有编译器警告,可以提前发现这类问题
总结
在ArduinoJson中操作动态文档时,理解as<>和to<>的区别至关重要。as<>用于类型转换和引用获取,而to<>用于创建和转换。对于JSON文档的初始化,要么使用to<JsonObject>()明确创建对象,要么直接使用doc["key"]语法让库自动处理转换。遵循这些原则可以避免数据丢失和序列化问题。
对于新手开发者,建议优先使用直接赋值语法,它更简洁且不易出错。当需要频繁操作同一对象时,可以先使用to<JsonObject>()获取引用,然后通过引用操作,但要注意引用的生命周期不应超过文档本身。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust024
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
678
4.33 K
🎉 (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
1.57 K
911
deepin linux kernel
C
28
16
暂无简介
Dart
923
228
Ascend Extension for PyTorch
Python
518
630
全称:Open Base Operator for Ascend Toolkit,哈尔滨工业大学AISS团队基于Ascend C打造的高性能昇腾算子库。
C++
46
52
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
openEuler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。
C
399
305
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.35 K
110
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
134
212