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智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0220- 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
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
AntSK基于.Net9 + AntBlazor + SemanticKernel 和KernelMemory 打造的AI知识库/智能体,支持本地离线AI大模型。可以不联网离线运行。支持aspire观测应用数据CSS01
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
625
4.12 K
Ascend Extension for PyTorch
Python
464
554
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++
930
801
🔥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
69
21
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
114
181
暂无简介
Dart
871
207
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
130
189
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.43 K
378
昇腾LLM分布式训练框架
Python
136
160