首页 > 其他分享 >fastjson2 JSONWriter.Feature介绍

fastjson2 JSONWriter.Feature介绍

时间:2023-12-26 15:45:00浏览次数:37  
标签:输出 fastjson2 JSONWriter 类型信息 Feature 字段 类型 序列化 String

JSONWriter.Feature介绍

FieldBased 基于字段反序列化,如果不配置,会默认基于public的field和getter方法序列化。配置后,会基于非static的field(包括private)做反序列化。

IgnoreNoneSerializable 序列化忽略非Serializable类型的字段
BeanToArray 将对象序列为[101,“XX”]这样的数组格式,这样的格式会更小
WriteNulls 序列化输出空值字段
BrowserCompatible 在大范围超过JavaScript支持的整数,输出为字符串格式
NullAsDefaultValue 将空置输出为缺省值,Number类型的null都输出为0,String类型的null输出为"",数组和Collection类型的输出为[]
WriteBooleanAsNumber 将true输出为1,false输出为0
WriteNonStringValueAsString 将非String类型的值输出为String,不包括对象和数据类型
WriteClassName 序列化时输出类型信息
NotWriteRootClassName 打开WriteClassName的同时,不输出根对象的类型信息
NotWriteHashMapArrayListClassName 打开WriteClassName的同时,不输出类型为HashMap/ArrayList类型对象的类型信息,反序列结合UseNativeObject使用,能节省序列化结果的大小
NotWriteDefaultValue 当字段的值为缺省值时,不输出,这个能节省序列化后结果的大小
WriteEnumsUsingName 序列化enum使用name
WriteEnumUsingToString 序列化enum使用toString方法
IgnoreErrorGetter 忽略setter方法的错误
PrettyFormat 格式化输出
ReferenceDetection 打开引用检测,这个缺省是关闭的,和fastjson 1.x不一致
WriteNameAsSymbol 将字段名按照symbol输出,这个仅在JSONB下起作用
WriteBigDecimalAsPlain 序列化BigDecimal使用toPlainString,避免科学计数法
UseSingleQuotes 使用单引号
MapSortField 对Map中的KeyValue按照Key做排序后再输出。在有些验签的场景需要使用这个Feature
WriteNullListAsEmpty 将List类型字段的空值序列化输出为空数组"[]"
WriteNullStringAsEmpty 将String类型字段的空值序列化输出为空字符串""
WriteNullNumberAsZero 将Number类型字段的空值序列化输出为0
WriteNullBooleanAsFalse 将Boolean类型字段的空值序列化输出为false
NotWriteEmptyArray 数组类型字段当length为0时不输出
WriteNonStringKeyAsString 将Map中的非String类型的Key当做String类型输出
ErrorOnNoneSerializable 序列化非Serializable对象时报错
WritePairAsJavaBean 将 Apache Common 包中的Pair对象当做JavaBean序列化
BrowserSecure 浏览器安全,将会’<’ ‘>’ ‘(’ ')'字符做转义输出
WriteLongAsString 将Long序列化为String
WriteEnumUsingOrdinal 序列化Enum使用Ordinal,缺省是name
WriteThrowableClassName 序列化Throwable时带上类型信息
LargeObject 这个是一个保护措施,是为了防止序列化有循环引用对象消耗过大资源的保护措施。
UnquoteFieldName 不带引号输出Key
NotWriteSetClassName 当打开WriteClassName时又不想输出Set的类型信息,使用这个Feature
NotWriteNumberClassName 当打开WriteClassName时又不想输出Number的类型信息,比如L/S/B/F/D这种后缀,使用这个Feature
————————————————
版权声明:本文为CSDN博主「dian张」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/u013086392/article/details/131478710

标签:输出,fastjson2,JSONWriter,类型信息,Feature,字段,类型,序列化,String
From: https://www.cnblogs.com/qingzhen/p/17928280.html

相关文章

  • fastjson2
    什么是JSONJSON是一种轻量级的数据交换格式。它基于ECMAScript的一个子集,采用完全独立于编程语言的文本格式来存储和表示数据。简洁和清晰的层次结构是的JSON成为理想的数据交换语言。易于人阅读和编写,同时也易于机器解析和生成,并有效地提升网络传输效率。JSON语法使用大括号......
  • Fastjson2基础使用以及底层序列化/反序列化实现探究
    来自于:https://www.cnblogs.com/6b7b5fc3/p/17134421.html1Fastjson2简介Fastjson2是Fastjson的升级版,特征:协议支持:支持JSON/JSONB两种协议部分解析:可以使用JSONPath进行部分解析获取需要的值语言支持:Java/Kotlin场景支持:Android8+/服务端其他特性支持:GraalNative-Image......
  • CARAFE: Content-Aware ReAssembly of FEatures 可学习的上采样
    CARAFE:Content-AwareReAssemblyofFEatures*Authors:[[JiaqiWang]],[[KaiChen]],[[RuiXu]],[[ZiweiLiu]],[[ChenChangeLoy]],[[DahuaLin]]DOI:10.1109/ICCV.2019.00310Locallibrary初读印象comment::(CARAFE)提出了一种新的上采样方法。动机特......
  • Feature map
    Featuremap(特征图)在CNN的每个卷积层,数据以三维形式存在。可以看成是多个二维图片叠在一起,其中每一个称为一个featuremap。在输入层,如果是灰度图片,那就只有一个featuremap;如果是彩色图片,一般是三个featuremap(红绿蓝)。在其他层,层与层之间会有若干个卷积核(kernel),也称为过滤器......
  • select_shape 中features参数解析
    Halcon算子select_shape-借助形状特征选择区域(选择轮廓)select_shape- 借助形状特征选择区域。原型:1select_shape(Regions:SelectedRegions:Features,Operation,Min,Max:)(将连接的区域进行筛选,筛选的特征有很多,如面积长度等,可以去掉不满足条件......
  • 11.Demonstrate the essentials concerning "Abstract" in research papers,such as f
    11.Demonstratetheessentialsconcerning"Abstract"inresearchpapers,suchasfeatures,types,andcomponents.演示研究论文中关于“摘要”的要点,如特点、类型和组成部分。Round1:IntroductiontotheAbstractSpeaker1(ResearcherA):Ladiesandgentlemen,than......
  • PS C:\Users\Administrator> Get-WindowsFeature
    DisplayName                      Name           InstallState------------                      ----           -------------[......
  • Drug response prediction using graph representation learning and Laplacian featu
    DrugresponsepredictionusinggraphrepresentationlearningandLaplacianfeatureselectionMinzhuXie 1 2, XiaowenLei 3, JianchenZhong 3, JianxingOuyang 3, GuijingLi 3Affiliations expandPMID: 36494630 PMCID: PMC9733001 DOI: ......
  • 2023ICCV_Feature Modulation Transformer: Cross-Refinement of Global Representati
    一.Motivation1.transformer的工作主要集中在设计transformer块以获得全局信息,而忽略了合并高频先验的潜力2. 关于频率对性能的影响的详细分析有限(Additionally,there islimiteddetailedanalysisoftheimpactoffrequencyon performance.)注: (1) 图说明:随着高......
  • 基于AI的架构优化:创新数据集构造法提升Feature envy坏味道检测与重构准确率
    本文分享自华为云社区《华为云基于AI实现架构坏味道重构取得业界突破,相应文章已被软工顶会FSE2023收录》,作者:华为云软件分析Lab。基于AI技术实现架构坏味道检测与重构建议是当前业界比较流行的做法,但此做法往往存在一个通病,即训练数据集的质量问题,如何构建大规模、高质量的训练......