SpringBoot中fastjson扩展: 自定义序列化和反序列化方法实战

❃博主首页 : 「码到三十五」 ,同名公众号 :「码到三十五」,wx号 : 「liwu0213」
☠博主专栏 : <mysql高手> <elasticsearch高手> <源码解读> <java核心> <面试攻关>
♝博主的话 : 搬的每块砖,皆为峰峦之基;公众号搜索「码到三十五」关注这个爱发技术干货的coder,一起筑基


目录

      • [1. 扩展点的用途](#1. 扩展点的用途)
      • [2. 序列化扩展点](#2. 序列化扩展点)
        • [2.1. SerializeFilter](#2.1. SerializeFilter)
        • [2.2. SerializerFeature](#2.2. SerializerFeature)
        • [2.3. SerializeConfig](#2.3. SerializeConfig)
        • [2.4. 自定义序列化器(Serializer)](#2.4. 自定义序列化器(Serializer))
        • [2.5. 序列化过滤器(SerializeFilter)](#2.5. 序列化过滤器(SerializeFilter))
        • [2.6. 自定义日期格式化](#2.6. 自定义日期格式化)
      • [2. 反序列化扩展点](#2. 反序列化扩展点)
        • [2.1. ParseProcess](#2.1. ParseProcess)
        • [2.2. ParserConfig](#2.2. ParserConfig)
        • [2.3. 自定义反序列化器(Deserializer)](#2.3. 自定义反序列化器(Deserializer))
        • [2.4. 解析过程(ParseProcess)](#2.4. 解析过程(ParseProcess))

在fastjson库中,为了提供灵活的序列化和反序列化机制,设计了一系列的扩展点。以下是在SpringBoot和SpringClould环境中对这些扩展点的详细介绍及其实战使用:

1. 扩展点的用途

fastjson提供的这些扩展点为用户提供了极大的灵活性,可以根据实际需求定制序列化和反序列化的行为。SpringBoot和SpringClould环境中,可以通过SerializeFilterParserProcess定制复杂的序列化和反序列化逻辑,通过SerializerFeatureParserFeature控制序列化和反序列化的输出格式和特性,以及通过SerializeConfigParserConfig进行全局配置。这些扩展点不仅简化了用户代码,也提高了系统的可维护性和可扩展性。

2. 序列化扩展点

2.1. SerializeFilter
  • 用途:用于在序列化过程中定制输出,如过滤某些字段、修改字段值等。
  • 使用方法
    • 实现SerializeFilter接口或其子接口(如SimplePropertyPreFilterPropertyFilter等)。
    • 在序列化时,通过JSON.toJSONString等方法的重载版本传入自定义的SerializeFilter实例。
java 复制代码
SerializeFilter filter = new SimplePropertyPreFilter() {
    @Override
    public boolean accept(int index, JavaBeanSerializer beanSer, Object object, Object fieldName, Object fieldVal) {
        // 定制序列化逻辑
        return true; // 返回true表示保留该字段,false表示过滤
    }
};
String jsonStr = JSON.toJSONString(obj, filter);
2.2. SerializerFeature
  • 用途:控制序列化的输出格式和特性。
  • 使用方法
    • 在序列化时,通过JSON.toJSONString等方法的重载版本传入SerializerFeature枚举值来控制序列化特性。
java 复制代码
String jsonStr = JSON.toJSONString(obj, SerializerFeature.PrettyFormat); // 格式化输出
2.3. SerializeConfig
  • 用途:全局配置序列化行为,如自定义序列化器、日期格式等。
  • 使用方法
    • 创建SerializeConfig实例并配置相关选项。
    • 在序列化时,通过JSON.toJSONString等方法的重载版本传入SerializeConfig实例。
java 复制代码
SerializeConfig config = new SerializeConfig();
// 配置...
String jsonStr = JSON.toJSONString(obj, config);
2.4. 自定义序列化器(Serializer)

fastjson允许用户自定义序列化器,用于控制特定类型的序列化过程。用户需要实现SerializerFeature接口,并重写write方法。

java 复制代码
public class CustomSerializer implements SerializerFeature {
    @Override
    public void write(JSONSerializer serializer, Object object, Object fieldName, Type fieldType, int features) throws IOException {
        // 自定义序列化逻辑
    }
}

在序列化过程中,可以通过SerializerFeature枚举值来指定使用自定义序列化器。

java 复制代码
String jsonStr = JSON.toJSONString(obj, SerializerFeature.CustomSerializer, new CustomSerializer());
2.5. 序列化过滤器(SerializeFilter)

序列化过滤器用于在序列化过程中修改序列化结果。用户需要实现SerializeFilter接口,并重写process方法。

java 复制代码
public class CustomSerializeFilter implements SerializeFilter {
    @Override
    public boolean process(Object source, String name, Object value, SerializeFilter.Context context) {
        // 自定义序列化过滤逻辑
    }
}

在序列化过程中,可以通过JSON.toJSONString方法的重载版本传入自定义序列化过滤器。

java 复制代码
String jsonStr = JSON.toJSONString(obj, new CustomSerializeFilter());
2.6. 自定义日期格式化

fastjson允许用户自定义日期格式。可以通过SerializerFeature枚举值DisableCircularReferenceDetectWriteMapNullValue来指定日期格式。

java 复制代码
String jsonStr = JSON.toJSONString(obj, SerializerFeature.DisableCircularReferenceDetect, SerializerFeature.WriteMapNullValue);

此外,用户还可以通过DateFormat属性来指定全局的日期格式。

java 复制代码
JSON.setDateFormat(new StdDateFormat());

2. 反序列化扩展点

2.1. ParseProcess
  • 用途:在反序列化过程中执行额外逻辑,如修改反序列化结果。

  • 使用方法

    • 实现ParseProcess接口并重写其中的方法。
    • 在反序列化时,通过JSON.parseObject等方法的重载版本传入ParseProcess实例。
  1. ParserFeature
  • 用途:控制反序列化的行为和特性。
  • 使用方法
    • 在反序列化时,通过JSON.parseObject等方法的重载版本传入ParserFeature枚举值来控制反序列化特性。
java 复制代码
Object obj = JSON.parseObject(jsonStr, Object.class, Feature.AllowSingleQuotes); // 允许使用单引号
2.2. ParserConfig
  • 用途:全局配置反序列化行为,如自定义反序列化器、自动类型转换等。
  • 使用方法
    • 创建ParserConfig实例并配置相关选项。
    • 在反序列化时,通过JSON.parseObject等方法的重载版本传入ParserConfig实例。
java 复制代码
ParserConfig config = new ParserConfig();
// 配置...
Object obj = JSON.parseObject(jsonStr, Object.class, config);

示例代码

这里提供一个简单的SerializeFilter示例,用于过滤某些字段:

java 复制代码
SerializeFilter filter = new SimplePropertyPreFilter() {
    @Override
    public boolean accept(int index, JavaBeanSerializer beanSer, Object object, Object fieldName, Object fieldVal) {
        if ("password".equals(fieldName)) {
            return false; // 过滤password字段
        }
        return true;
    }
};
String jsonStr = JSON.toJSONString(user, filter);
2.3. 自定义反序列化器(Deserializer)

类似地,fastjson也支持自定义反序列化器。用户需要实现ObjectDeserializer接口,并重写deserialze方法。

java 复制代码
public class CustomDeserializer implements ObjectDeserializer {
    @Override
    public Object deserialize(DefaultJSONParser parser, Type type, Object fieldName) {
        // 自定义反序列化逻辑
    }
}

在反序列化过程中,可以通过ParserConfig类的putDeserializer方法来注册自定义反序列化器。

java 复制代码
ParserConfig.getGlobalInstance().putDeserializer(SomeType.class, new CustomDeserializer());
2.4. 解析过程(ParseProcess)

解析过程在反序列化过程中使用,用户可以实现ParseProcess接口并重写process方法来自定义解析逻辑。

java 复制代码
public class CustomParseProcess implements ParseProcess {
    @Override
    public Object process(ParseContext ctx) {
        // 自定义解析逻辑
    }
}

在反序列化过程中,可以通过JSON.parseObject方法的重载版本传入自定义解析过程。

java 复制代码
Object obj = JSON.parseObject(jsonStr, SomeType.class, new CustomParseProcess());

总之,SpringBoot和SpringClould环境中,可以通过SerializeFilterParserProcess定制复杂的序列化和反序列化逻辑,通过SerializerFeatureParserFeature控制序列化和反序列化的输出格式和特性,以及通过SerializeConfigParserConfig进行全局配置。这些扩展点不仅简化了用户代码,也提高了系统的可维护性和可扩展性。


关注公众号获取更多技术干货 !

相关推荐
橙子小哥的代码世界1 小时前
【计算机视觉基础CV-图像分类】05 - 深入解析ResNet与GoogLeNet:从基础理论到实际应用
图像处理·人工智能·深度学习·神经网络·计算机视觉·分类·卷积神经网络
leigm1231 小时前
深度学习使用Anaconda打开Jupyter Notebook编码
人工智能·深度学习·jupyter
Aileen_0v03 小时前
【玩转OCR | 腾讯云智能结构化OCR在图像增强与发票识别中的应用实践】
android·java·人工智能·云计算·ocr·腾讯云·玩转腾讯云ocr
FreedomLeo14 小时前
Python机器学习笔记(十三、k均值聚类)
python·机器学习·kmeans·聚类
阿正的梦工坊4 小时前
深入理解 PyTorch 的 view() 函数:以多头注意力机制(Multi-Head Attention)为例 (中英双语)
人工智能·pytorch·python
Ainnle4 小时前
GPT-O3:简单介绍
人工智能
OceanBase数据库官方博客4 小时前
向量检索+大语言模型,免费搭建基于专属知识库的 RAG 智能助手
人工智能·oceanbase·分布式数据库·向量数据库·rag
测试者家园4 小时前
ChatGPT助力数据可视化与数据分析效率的提升(一)
软件测试·人工智能·信息可视化·chatgpt·数据挖掘·数据分析·用chatgpt做软件测试
Loving_enjoy6 小时前
ChatGPT详解
人工智能·自然语言处理