json

JSON转Excel后18位订单号不对了？数字精度与类型边界实测上周处理一件小事：把接口导出的订单数据交给运营做对账表。数据是 JSON 数组，直接贴进在线转换工具生成了 Excel，发出去半小时后运营找回来：前两行的订单号一模一样，财务系统按单号对账直接撞车。

Shopee虾皮商品详情API接口调用实战：Python获取东南亚商品数据与JSON解析在跨境电商数据开发中，Shopee（虾皮）商品详情API是常见的技术研究方向之一。对于需要分析泰国、越南、马来西亚等市场商品信息的开发者来说，商品标题、价格、品牌、SKU规格和图片等数据，可以作为商品研究和数据系统开发的基础。

死磕音视频

让大模型稳定输出 JSON：结构化输出的三种方法与 Python 校验实践适合人群：在程序中调用大模型，需要把结果交给后续代码处理，却经常遇到“模型多说了一句话导致 JSON 解析失败”的开发新手。

今天的砖头有点烫手啊

Java 序列化到底怎么选？从 Serializable 到 Protobuf 的演进与选型序列化是分布式系统的基石。从 Java 原生序列化到 Protobuf，性能差距可达数十倍。本文拆解各序列化方案的底层逻辑和选型指南。

小白学鸿蒙

OpenHarmony 预置应用配置详解：/system/etc/app/ 下的 5 个 JSON在 OpenHarmony 设备上，预置应用装不装、能不能卸载、有哪些特权、预授哪些权限，全部由 /system/etc/app/ 下的 5 个 JSON 决定。这篇文章讲清楚每个文件的作用、字段含义、生效时机，以及实际踩过的坑。

for_ever_love__

LangChain 结构化输出：让模型稳定吐出符合 schema 的 JSON让模型"返回 JSON"听起来简单，做起来全是坑：有时候包在 ```json 代码块里，有时候键名对不上，有时候多一段解释文字，有时候干脆少一个字段。

健康活着就好

# 手写Promise.all和Promise.race，面试再也不怕了Promise是JS异步编程的核心，Promise.all和Promise.race更是面试常考的手写题。

MySQL JSON 生成列索引原理、实战与坑点前言在日常开发中，我们经常使用 MySQL JSON 字段存储扩展属性。但很多同学踩过坑：JSON 内部 key 查询很慢，即使写了 attr->>'$.name'，explain 一看依然是全表扫描。原生 JSON 字段内部属性本身不能直接建索引，MySQL 提供了生成列（Generated Column）来解决这个问题。本文从原理、实战代码、性能验证、线上坑点完整讲解。

DeepSeek总结的DuckDB 从 JSON 字符串到类型化列2026-10-15 6 分钟阅读 DuckDB 团队TL;DR： JSON 经常以表中的文本列形式到达，而不是作为文件。在本文中，我们从这样的列推断 schema，调整它，并把该列变成类型化列，而无需先把数据写入文件。

CSV与JSON转换：RFC 4180 转义规则与 Excel 中文乱码不少同学处理 CSV 的第一反应是 line.split(',')，在小数据上能跑通，一遇到真实数据就错位。原因在于 CSV 并非"按逗号切开"这么简单，RFC 4180 规定了完整的转义机制：

MySQL中查询和操作JSON类型的数据前言：MySQL5.7 开始正式支持原生JSON字段，8.0进一步增强JSON函数能力。很多开发会直接把JSON存成VARCHAR，但原生JSON会校验格式，并且提供内置函数方便读取、修改、删除JSON内的key和数组。这篇博客包含建表、查询、新增、修改、删除JSON数据，附带常用函数和避坑点。

Linux网络学习【应用层自定义协议与序列化实战：从手写序列化与反序列化到深入理解进程间关系与守护进程】在Linux网络编程中,完成TCP Socket通信只是第一步.随着程序功能逐渐复杂,一个关键问题随之而来：数据能够正常收发,但通信双方如何识别完整消息,并准确理解其中的内容？由于TCP面向字节流,不负责划分应用层消息边界,因此需要通过应用层自定义协议约定数据格式,并利用序列化与反序列化实现程序数据与网络字节流之间的转换.然而,一个完整的网络服务不仅要解决数据通信问题,还需要考虑进程之间的组织关系以及服务如何稳定运行.例如,父子进程如何管理?孤儿进程与僵尸进程是如何产生的?普通程序又该如何脱离终端,成为

MySQL 删除 JSON 类型的数据实战前言：MySQL JSON 的删除分两个层面：① 删除 JSON 文档内部的 key / 数组元素（JSON_REMOVE）；② 删除整条包含 JSON 字段的数据行。很多人容易混淆，本文把两种场景的用法、示例、坑点一次性讲清楚。

卿卿的产品经理日记

【AI产品经理实战】Day 37｜拆开 JSON 与 EXE：数据都有格式| 进度条：学习第 37 天（37/191）｜当前完成度：约 30% |📎 今日速览：主学 JSON（6 种值类型 → 对象数组嵌套 → 各语言转换 → 7 个报错坑），次学 EXE（PE 结构 + pyinstaller 打包），外加笔记自查纠错 6 处　← 先看这段

基于阿里云的datax现有功能开发的一个可以自动生成.json的配置文件功能或者脚本我们在利用datax进行离线数据迁移的时候，需要在json里配置源端和目标端的表字段信息，如果是少量的表可以配置完数据库连接信息后直接执行该任务的json信息获取源端和目标端的数据库信息，但是如果需要迁移的对象比较多，比如我们在某金融客户现场迁移hive hdfs的历史数据到某国产数据库mysql模式的时候，涉及的表比较多，其中存在大量的分表，当时采用的是原始方式手搓涉及表的json文件，在最近的一次项目中也遇到类似情况，想借此项目生成一个自动生成json的功能，以下为理论阶段，待验证。

qt把结构体数据存入json文件MainWidget.hMainWidget.cppMainWidget.ui

SelectDB技术团队

VARIANT 列接入网关 JSON 日志：建表、导入、子列查询与物化的完整步骤摘要：网关访问日志的字段随版本增减时，预定义全部列的建表方式会持续产生 DDL 变更。Apache Doris 自 2.1 版本起提供 VARIANT 类型，写入时按 JSON Path 推断子列结构与类型，高频路径自动完成子列列式提取。本文给出一套可照抄的执行步骤：静态列与 VARIANT 混用的建表语句、Stream Load 导入 JSON Lines 的 Header 组合、按子路径取值与倒排检索的写法、Schema Template 与生成列两种子列物化方式，以及子列推断结果的核对命令。官方 C

MySQL中修改JSON类型的数据实战前言：MySQL 5.7开始原生支持JSON字段，提供了一套专门的JSON函数用来局部更新JSON，不推荐直接把整个JSON字符串覆盖写入，尤其是JSON对象比较大的时候，局部修改性能更好。本文演示常用更新语法、数组操作、生成列注意事项以及踩坑点。

【Python编程—从入门到实践】(让程序记得、恢复并解释失败：Python 文件、异常与JSON系统教程)至此,你掌握了编写组织有序而易于使用的程序所需的基本技能,该考虑让程序目标更明确、用途更大了.在本文中,你将学习处理文件,让程序能够快速地分析大量的数据;你将学习错误处理,避免程序在面对意外情形时崩溃;你将学习异常,它们是Python创建的特殊对象,用于管理程序运行时出现的错误;你还将学习模块json,它让你能够保存用户数据,以免在程序停止运行后丢失.学习处理文件和保存数据可让你的程序使用起来更容易:用户将能够选择输入什么样的数据,以及在什么时候输入;用户使用你的程序做一些工作后,可将程序关闭,以后再接着

MySQL 中查询和操作JSON类型的数据MySQL 5.7 开始原生支持 JSON 数据类型，8.0 进一步增强了JSON函数、JSON表、生成列索引能力。很多业务场景（扩展属性、动态配置、标签）会选择JSON字段存储，但是很多人只会简单插入，不清楚如何提取、修改、索引JSON内部数据，本文结合实战SQL讲解JSON的增删改查与避坑要点。