Go 语言原生的 json 包有什么问题?如何更好地处理 JSON 数据?

amc
English

Go 的 “玩家” 们看到这个题目可能会很疑惑——对于 JSON 而言,Go 原生库 encoding/json 已经是提供了足够舒适的 JSON 处理工具,广受 Go 开发者的好评。它还能有什么问题?但是,实际上在业务开发过程中,我们遇到了不少原生 json 做不好甚至是做不到的问题,还真是不能完全满足我们的要求。

那么,它有什么问题吗?什么情况下使用第三方库?如何选型?性能如何?

不过呢,在抛出具体问题之前,我们先来尽可能简单地了解一下 Go 目前在处理 JSON 中常用的一些库,以及对这些库的测试数据分析。如果读者觉得下面的文字太长了,也可以直接跳到结论部分。

部分常用的 Go JSON 解析库

Go 原生 encoding/json

这应该是广大 Go 程序员最熟悉的库了,使用 json.Unmarshaljson.Marshal 函数,可以轻松将 JSON 格式的二进制数据反序列化到指定的 Go 结构体中,以及将 Go 结构体序列化为二进制流。而对于未知结构或不确定结构的数据,则支持将二进制反序列化到 map[string]interface{} 类型中,使用 KV 的模式进行数据的存取。

这里我提两个大家可能不会留意到的额外特性:

  • json 包解析的是一个 JSON 数据,而 JSON 数据既可以是对象(object),也可以是数组(array),同时也可以是字符串(string)、数值(number)、布尔值(boolean)以及空值(null)。而上述的两个函数,其实也是支持对这些类型值的解析的。比如下面段代码也是能用的
var s string
err := json.Unmarshal([]byte(`"Hello, world!"`), &s)
// 注意字符串中的双引号不能缺,如果仅仅是 `Hello, world`,则这不是一个合法的 JSON 序列,会返回错误。
  • json 在解析时,如果遇到大小写问题,会尽可能地进行大小写转换。即便是一个 key 与结构体中的定义不同,但如果忽略大小写后是相同的,那么依然能够为字段赋值。比如下面的例子可以说明:
cert := struct {
    Username string `json:"username"`
    Password string `json:"password"`
}{}
    
err := json.Unmarshal([]byte(`{"UserName":"root","passWord":"123456"}`), &cert)
if err != nil {
    fmt.Println("err =", err)
} else {
    fmt.Println("username =", cert.Username)
    fmt.Println("password =", cert.Password)
}
// 实际输出: 
// username = root
// password = 123456

jsoniter

打开 jsoniter 的 GitHub 主页,它一上来就宣扬两个关键词:high-performance 以及 compatible。这也是这个包最大的两个卖点。

首先说兼容:jsoniter 最大的优势就在于:能够 100% 兼容标准库,因此代码能够非常方便地进行迁移。实在是不方便的。也可以用 Go Monkey 强行换掉 json 的相关函数入口。

接着看性能:与其他吹嘘自己性能的开源库一样,它们自己的测试结论都不能无脑采信。这里我根据我个人的测试情况,先抛几个简单的结论吧:

  • 在反序列化结构体这一单一场景下,jsoniter 相比标准库确实有提升,我自己测得的结果大约是提升 1.4 倍左右
  • 但同样是反序列化结构体这一单一场景,jsoniter 远远不如 easyjson
  • 其他场景则不见得,后面我会再做说明

从性能上,jsoniter 能够比众多大神联合开发的官方库性能还快的主要原因,一个是尽量减少不必要的内存复制,另一个是减少 reflect 的使用——同一类型的对象,jsoniter 只调用 reflect 解析一次之后即缓存下来。不过随着 go 版本的迭代,原生 json 库的性能也越来越高,jsonter 的性能优势也越来越窄。

此外,jsoniter 还支持 Get 函数,支持直接从一个 []byte 二进制数据中读取响应的字段,这个后文再做说明

easyjson

这是 GitHub 上面的另一个 json 解析包。相比起 jsoniter 多达 9k 的 star 而言,easyjson 似乎少一点,有 3k,但其实也算是一个人气很高的开源项目。

这个包最主要的卖点,依然是快。为什么 easyjson 比 jsoniter 还要快?因为 easyjson 的开发模式与 protobuf 类似,在程序运行之前需要使用其代码工具,为每一个结构体专门生成序列化/反序列化的程序代码。每一个程序都有定制化的解析函数。

但也因为这种开发模式,easyjson 对业务的侵入性比较高。一方面,在 go build 之前需要先生成代码;另一方面,相关的 json 处理函数也不兼容原生 json 库。

jsonparser

这是我个人非常喜欢的一个 json 解析库,3.9k 的 star 数也可以看出它人气不低。它的 GitHub 主页标题就号称比官方库有高达 10x 的性能。

还是那句话:开源项目自己的测试结论都不能无脑采信。这个10x的性能我个人也测出来过,但不能代表所有的场景。

为什么 jsonparser 有那么高的性能呢?因为对于 jsonparser 本身,它只负责解构出一个二进制字节串中的一些关键边界字符,比如说:

  • 找到 ",那么就找到结束的 ",这中间就是一个字符串
  • 找到 [,那么就找到成对的 ],这中间就是一个数组
  • 找到 {,那么就找到成对的 },这中间就是一个对象
  • ……

然后,它将找到的数据中间的这段 []byte 数据交给调用方,由调用方进行进一步的处理。此时,对这些二进制数据的解析和合法性检查是需要调用方来负责的。

为什么看起来这么麻烦的开源库我会喜欢呢?因为开发者可以基于 jsonparser,构建特殊逻辑,甚至是构建自己的 json 解析库。我自己的开源项目 jsonvalue 在早期也基于 jsonparser 实现,尽管后来为了进一步优化性能而弃用了 jsonparser,但这不影响我对它的推崇。

jsonvalue

这个项目是我个人的 JSON 解析库,设计之初是为了替代原生 JSON 库使用 map[string]interface{} 来处理非结构化 JSON 数据的需求。为此我有另外一篇文章叙述了这个问题:《[还在用 map[string]interface{} 处理 JSON?告诉你一个更高效的方法——jsonvalue][2]》。

我目前大致完成了对库的优化(参见 master 分支),性能已经远远高于原生 json 库,并且略微优于 jsoniter。当然,这也是特定情况下的,针对各种大相径庭的场景,各种库的性能各不相同。这也是我撰写本文的目的之一。

常规操作下的 JSON 处理

除了 struct 和 map 之外,还有别的?下面就我在实际业务开发中遇到的场景都列一下,以飨读者。所有测试代码均开源,读者可以查阅,也可以向我提出意见,提 issue、评论、私聊均可。

常规操作:结构体解析

结构体解析,这是 Go 中处理 JSON 最最常规的操作了。这里我定义了这样的一个结构体

type object struct {
    Int    int       `json:"int"`
    Float  float64   `json:"float"`
    String string    `json:"string"`
    Object *object   `json:"object,omitempty"`
    Array  []*object `json:"array,omitempty"`
}

稍微使了点坏——这个结构可以疯狂自嵌套。

然后呢,我再定义了一段二进制流,用 json.cn 可以看到,这是一个有5层结构的 json 对象。

{"int":123456,"float":123.456789,"string":"Hello, world!","object":{"int":123456,"float":123.456789,"string":"Hello, world!","object":{"int":123456,"float":123.456789,"string":"Hello, world!","object":{"int":123456,"float":123.456789,"string":"Hello, world!","object":{"int":123456,"float":123.456789,"string":"Hello, world!"},"array":[{"int":123456,"float":123.456789,"string":"Hello, world!"},{"int":123456,"float":123.456789,"string":"Hello, world!"}]}}},"array":[{"int":123456,"float":123.456789,"string":"Hello, world!"},{"int":123456,"float":123.456789,"string":"Hello, world!"}]}

使用这两个结构,分别对官方 encoding/jsonjsonitereasyjson 三个包进行 Marshal 和 Unmarshal 的测试。首先我们看反序列化(Unmarshal)的测试结果:

包名函数每迭代耗时内存占用alloc 数性能评价
encoding/jsonUnmarshal8775 ns/op1144 B/op25 allocs/op★★
jsoniterUnmarshal6890 ns/op1720 B/op56 allocs/op★★☆
easyjsonUnmarshalJSON4017 ns/op784 B/op19 allocs/op★★★★★

下面是序列化的测试结果:

包名函数每迭代耗时内存占用alloc 数性能评价
encoding/jsonMarshal6859 ns/op1882 B/op6 allocs/op★★
jsoniterMarshal6843 ns/op1882 B/op6 allocs/op★★
easyjsonMarshalJSON2463 ns/op1240 B/op5 allocs/op★★★★★

纯粹从性能上来看,easyjson 不愧是专门为每一个 struct 定制化了序列化和反序列化函数,它达到了最高的性能,比另外两个库均有2.5~3倍的效率。而 jsoniter 略高于官方 json,不过相差不大。

常规的非常规操作: map[string]interface{}

说是 “非常规” 的原因是,在这种情况下,程序需要处理非结构化的 JSON 数据,或者是在一段函数中处理多种不同类型的数据结构,因而不能使用结构体模式来处理。官方 JSON 库的解决方案是,(对于对象类型)采用 map[string]interface{} 来保存。这个场景下,只有官方 json 和 jsoniter 支持。

测试数据如下,首先是反序列化:

包名函数每迭代耗时内存占用alloc 数性能评价
encoding/jsonUnmarshal13040 ns/op4512 B/op128 allocs/op★★
jsoniterUnmarshal9442 ns/op4521 B/op136 allocs/op★★

序列化情况测试数据如下:

包名函数每迭代耗时内存占用alloc 数性能评价
encoding/jsonMarshal17140 ns/op5865 B/op121 allocs/op★★
jsoniterMarshal17132 ns/op5865 B/op121 allocs/op★★

可见,针对这种情况,大家都是半斤八两,jsoniter 并没有什么明显优势。即便是 jsoniter 作为卖点的大数据量解析,优势也是微乎其微。

在同等数据量情况下,两个库反序列化的耗时基本上是结构体情况的两倍,而序列化时间则是结构体情况的约2.5倍。

Emmm……老铁们能不用这种操作就不要用了吧,更何况程序在处理 interface{} 时还需要各种断言,这种痛苦,各位可以看我的文章感受一下。

非常规操作——反序列化篇

真的涉及到无法使用 struct 的时候,就各种开源项目八仙过海各显神通了。每一个库其实都有非常详细和强大的额外功能,单单本文肯定无法说完。这里我就几个库及其代表的思路列举一下吧,后面也会附上各种情况的测试数据。

jsoniter

在处理非结构化 JSON 中,如果要解析一段 []byte 数据并获得其中的某个值,jsoniter 有以下相类似的方案。

第一种方案是直接解析原文并返回所需数据:

// 读取二进制数据中 response.userList 数组中的第一个元素的 name 字段
username := jsoniter.Get(data, "response", "userList", 0, "name")
fmt.Println("username:", username.ToString())

也可以是直接返回一个对象,并且基于该对象可以继续操作:

obj := jsoniter.Get(data)
if obj.ValueType() == jsoniter.InvalidType {
    // err handling
}
username := obj.Get("response", "userList", 0, "name")
fmt.Println("username:", username.ToString())

这个函数有一个非常大的特点,那就是按需解析。比如说在这个语句 obj := jsoniter.Get(data) 中,jsoniter 就只做了最低限度的数据检查,至少先解析出了当前是一个 object 类型的 JSON,其他部分的解析均不做。

而即便是到了第二个调用 obj.Get("response", "userList", 0, "name") 中,jsoniter 也是竭尽可能减少不必要的解析,只解析需要解析的部分。

比如说,请求参数中要求解析 response.userList 的值,那么 jsoniter 在遇到诸如 response.gameList 等无关字段的时候,那么 jsoniter 就回尽量绕开而不去处理,从而尽可能地减少无关的 CPU 时间。

不过需要注意的是,返回的这个 obj 对象,从接口功能来看,可以理解为它是只读的,无法重新序列化为二进制序列。

jsonparser

相对于 jsoniter,要解析一段 []byte 数据并获得其中的某个值,jsonparser 的支持比较有限。

比如说,如果我们能够实现知道某一个值的类型,比如说上面的 username 字段,那么我们可以这么获取:

username, err := jsonparser.GetString(data, "response", "userList", "[0]", "name")
if err != nil {
    // err handling
}
fmt.Println("username:", username)

但是 jsonparser 的 Get 系列函数只能获得除了 null 之外的基本类型,也就是 number, boolean, string 三种。

如果要操作 object 和 array,就要熟悉下面的两个函数,而这两个函数我个人觉得就是 jsonparser 的核心:

func ArrayEach(data []byte, cb func(value []byte, dataType ValueType, offset int, err error), keys ...string) (offset int, err error)

func ObjectEach(data []byte, callback func(key []byte, value []byte, dataType ValueType, offset int) error, keys ...string) (err error)

这两个函数按顺序解析二进制数据,并将提取出的数据段通过回调函数返回给调用方,由调用方对数据进行操作。调用方可以组 map,可以组 slice,甚至可以做一些平常无法操作的操作(后文会做说明)

jsonvalue

这个是我本人开发的开源 Go JSON 操作库,在 Get 类操作的 API 设计风格上与 jsoniter 的第二种风格比较类似。

比如我们同样是要获取前面所说的 username 字段,那么我们可以这么获取:

v, err := jsonvalue.Unmarshal(data)
if err != nil {
    // err handling
}
username := v.GetString("response", "userList", 0, "name")
fmt.Println("username:", username)

性能测试对比

在本小节所说的 “非常规操作” 场景下,三个库中,jsoniter 和 jsonparser 在解析时都是 “按需解析”,而 jsonvalue 则是全面解析。因此在制定测试方案的时候还是有所区别。

这里我先抛出测试数据,测试评价中有两部分:

  • 性能评价: 表示在该场景下的性能评分,不考虑是否好用,仅考虑CPU执行效率高不高
  • 功能评价: 表示在该场景下,获得数据之后,程序后续的处理是否方便。不考虑反序列化性能高不高
包名功能说明 / 主要函数调用每迭代耗时内存占用alloc 数性能评价功能评价
浅解析
jsoniterany := jsoniter.Get(raw); keys := any.Keys()9118 ns/op3024 B/op139 allocs/op★★★
jsonvaluejsonvalue.Unmarshal()7684 ns/op9072 B/op61 allocs/op★★★★★
jsonparserjsonparser.ObjectEach(raw, objEach)853 ns/op0 B/op0 allocs/op★★★★★★★
读取其中一个层级较深的数据
jsoniterany.Get("object", "object", "object", "array", 1)9118 ns/op3024 B/op139 allocs/op★★★★★
jsonvaluejsonvalue.Unmarshal(); v.Get("object", "object", "object", "array", 1)7928 ns/op9072 B/op61 allocs/op★★★★★
jsonparserjsonparser.Get(raw, "object", "object", "object", "array", "[1]")917 ns/op0 B/op0 allocs/op★★★★★★★☆
从大量(100x)数据中仅读取其中一个较深层级的值
jsoniterjsoniter.Get(raw, "10", "object", "object", "object", "array", 1)29967 ns/op4913 B/op469 allocs/op★★★★★
jsonvaluejsonvalue.Unmarshal(); v.Get("10", "object", "object", "object", "array", 1)799450 ns/op917030 B/op6011 allocs/op ★★★★★
jsonparserjsonparser.Get(raw, "10", "object", "object", "object", "array", "[1]")8826 ns/op0 B/op0 allocs/op★★★★★★★☆
完整遍历
jsoniterjsoniter.Get(raw)并对每一个 child 递归解析45237 ns/op12659 B/op671 allocs/op★★
jsonvaluejsonvalue.Unmarshal()7928 ns/op9072 B/op61 allocs/op★★★★★★★★
jsonparserjsonparser.ObjectEach(raw, objEach)并对每一个 child 递归解析3705 ns/op0 B/op0 allocs/op★★★★★
encoding/jsonUnmarshal13040 ns/op4512 B/op128 allocs/op
jsoniterUnmarshal9442 ns/op4521 B/op136 allocs/op★☆

可见,上述测试数据中将反序列化场景中分为四种。这里我详细说明一下四种情况的应用场景,以及相应的技术选型建议

浅解析

在测试代码中,浅解析指的是针对一个较深层级的结构,仅仅将其最浅一层的 key 列表解析出来。这个场景更多的是作为参考。可以看到,jsonparser 的性能完爆其他开源库,它可以以最快的速度将第一层的 key 列表解析出来。

但是在易用性方便,jsonparser 和 jsoniter 都需要开发者对获得的数据再做进一步的处理,因此 jsoniter 和 jsonparser 的易用性在这个场景下均略低。

获取正文中的具体某一个数据

这个场景是这样的:JSON 数据正文中,仅有一小部分数据对当前业务有用并需要获取。这里我分了两种情况:

  • 有用数据占全部数据的比例较高(对应 “读取其中一个层级较深的数据”):

    • 这一场景下从性能上来看,jsonparser 的表现一如既往地优越
    • 从易用性的角度,jsonparser 需要调用方再行处理一遍数据,因此 jsoniter 和 jsonvalue 更胜一筹
  • 有用数据占全部数据的比例较低(对应 ”从大量(100x)数据中仅读取其中一个较深层级的值“):

    • 这一场景从性能上看,jsonprser 依然完爆
    • 从易用性的角度,jsonparser 依然很弱
    • 综合易用性和性能,这一场景中,有用数据的比例越低,jsonparser 的价值就越高
  • 业务需要完整解析数据——这一场景是对各个方案综合性能最完整的考量

    • 从性能的角度,jsonparser 依然优秀,但在这一场景中,易用性其实很成问题——复杂的遍历操作之中,还需要再封装逻辑去存储数据
    • 性能第二是 jsonvalue,这也是笔者非常自信的地方

      • jsonvalue 完成全部且完整的解析,其耗时比号称高速的 jsoniter 更低
      • 相比 jsonparser,虽然 jsonvalue 表面上的处理时间是 jsonparser 的2.5倍,但后者只是完成了数据的半加工,而前者则是将成品拿了出来给调用方使用
    • 至于 jsoniter,在这个场景下就不要用了——在需要对数据全解析的情况下,它的数据简直没法看
    • 最后还加上了官方 json 库和 jsoniter 解析 map 的数据,仅作参考——在这个场景下,也建议是不要用了

非常规操作——序列化篇

这里指的是在没有结构体的情况下,序列化一段数据。这种场景一般发生在以下情况中:

  • 需要序列化的数据格式不确定,可能会根据其他的参数来生成。
  • 需要序列化的数据过多且过于琐碎,如果一一定义结构体并进行 marshal 的话,代码的可读性太差。

这个场景的第一个解决方案就是前文提到的 “常规的非常规操作”,也就是使用 map。

至于非常规操作嘛,我们首先排除 jsoniter 和 jsonparser,因为他们没有直接的构建自定义 json 结构的方法。接着排除 easyjson,因为它无法针对 map 操作。剩下的也就只有 jsonvalue 了。

比如我们返回用户的昵称,假设返回格式是: {"code":0,"message":"success","data":{"nickname":"振兴中华"}}。使用 map 的代码如下:

code := 0
nickname := "振兴中华"

res := map[string]interface{}{
    "code": code,
    "message": "success",
    "data": map[string]string{
        "nickname": nickname
    },
}
b, _ := json.Marshal(&res)

而 jsonvalue 的方法为:

res := jsonvalue.NewObject()
res.SetInt(0).At("code")
res.SetString("success").At("message")
res.SetString(nickname).At("data", "nickname")
b := res.MustMarshal()

应该说易用性上,都非常方便。我们针对官方 json、jsoniter、jsonvalue 分别进行序列化操作,测得的数据如下:

包名函数每迭代耗时内存占用alloc 数性能评价
encoding/jsonMarshal16273 ns/op5865 B/op121 allocs/op★☆
jsoniterMarshal16616 ns/op5865 B/op121 allocs/op★☆
jsonvalueMarshal4521 ns/op2224 B/op5 allocs/op★★★★★

结果已经非常明显了。这个原因大家也能明白,因为在处理 map 的时候,需要使用 reflect 机制去处理数据类型,这大大降低了程序的性能。

结论以及选型建议

结构体序列化和反序列化

在这个场景中,我个人首推的是官方的 json 库。可能读者会比较意外。以下是我的观点:

  • 虽然 easyjson 的性能压倒其他所有开源项目,但它有一个最大的缺陷,那就是需要额外使用工具来生成这段代码,而对这额外工具的版本控制就多了一分运维成本。当然如果读者的团队已经能够很好地处理 protobuf 了的话,那么也是可以用同样的思路来管理 easyjson 的
  • Go 1.8 之前,官方 json 库的性能就收到多方诟病。但现今(1.16.3)官方 json 库的性能已不可同日而语。此外,作为使用最为广泛(没有之一)的 json 库,官方库的 bug 是最少的、兼容性也是最好的
  • jsoniter 的性能虽然依然优于官方,但没有达到逆天的程度,如果希望有极致的性能,那么你应该选择 easyjson 而不是 jsoniter
  • jsoniter 近年已经不活跃了,笔者前段时间提了一个 issue 没人回复。后来在上去看了一下 issue 列表,发现居然还遗留一些 2018 年的 issue

非结构化数据的序列化和反序列化

这个场景下,我们要分高数据利用率和低数据利用率两种情况来看。所谓数据利用率,指的是 JSON 数据的正文中,如果说超过四分之一的数据都是业务需要关注和处理的,那就算是高数据利用率。

  1. 高数据利用率 - 这种情况下,我推荐使用 jsonvalue
  2. 低数据利用率 - 这里分两种情况:JSON 数据是否还需要重新序列化回去

    • 无需重新序列化:这个时候,选择 jsonparser 就行了,它的性能实在是耀眼
    • 需要重新序列化:这种情况,有两种选择,如果对性能要求相对较低,可以使用 jsonvalue;如果性能的要求要求高,并且只需要往二进制序列中仅仅插入一个数据(重要),那么可以采用 jsoniter 的 Set 方法。读者可以查阅 godoc

实际操作中,超大 JSON 数据量、同时需要重新序列化的情况非常少。这种场景下往往是是代理服务器、网关、overlay中继服务等,同时又需要往原数据中注入额外信息的时候使用。换句话说,jsoniter 的适用场景比较有限。

下面是从1%到60%数据覆盖率下,不同库的操作效率对比(纵坐标单位:μs/op)

可以看到,当 jsoniter 的数据利用率达到 25% 时,相比 jsonvalue 就已经没有任何优势;而 jsonparser 则是 40% 左右。至于 jsonvalue,由于对数据作了一次性的全解析,因此解析后的数据存取耗时极少,因此在不同数据覆盖率下的耗时都很稳定。

其他邪道操作

笔者在实际应用中还遇到过一些关于 JSON 奇奇怪怪的处理场景,也趁这个机会列出来,分享一下我的解决方案。

不区分大小写的 JSON

前文说到:“json 在解析时,如果遇到大小写问题,会尽可能地进行大小写转换。即便是一个 key 与结构体中的定义不同,但如果忽略大小写后是相同的,那么依然能够为字段赋值。”

但是呢,如果你使用的是 map、jsoniter、jsonparser,这就是个大问题了。我们有两个服务,同时操作 MySQL 数据库中的同一个字段,但是两个 Go 服务所定义的结构体中,有一个字母的大小写不一致。这个问题是长期存在的,但因为官方 json 解析结构体时的上述特性,导致这个问题一直没有暴露。直到有一天,我们写了一个脚本程序洗数据的时候,采用了 map 方式来读取这个字段的时候,Bug 就曝光了

于是我后来把大小写支持的特性加入了 jsonvalue 中,解决了这个问题:

raw := `{"user":{"nickName":"pony"}}` // 注意当中的 N
v, _ := jsonvalue.UnmarshalString(raw)

fmt.Println("nickname:", v.GetString("user", "nickname"))
fmt.Println("nickname:", v.Caseless().GetString("user", "nickname"))

// 输出
// nickname:
// nickname: pony

有顺序的 JSON 对象

在合作兄弟模块的接口时,对方推数据流的时候是以一个 JSON 对象的格式给到我们的业务模块中的。后来根据需求,推过来的数据要求是有序的。如果接口格式改成数组,那么就需要对双方接口的数据结构作较大的改动。此外,我们在滚动升级的时候势必遇到新旧模块同时存在的情况,所以接口需要同时兼容两套接口格式。

最后我们采用了一个很邪道的方式——数据生产方是能够按顺序将 KV 推出来的,而我们作为消费方,使用 jsonparserObjectEach 函数,就能够按顺序获得 kv 字节序列,从而也完成数据的顺序获取。

跨语言 UTF-8 字符串对接

Go 算是一个很年轻的语言,在它诞生的时候,互联网上的主流字符编码已经是 unicode,编码格式则是 UTF-8 了。而其他辈分更老的语言,由于各种原因,可能采用了不一样的编码格式。

这就导致了在进行跨语言 JSON 对接时,不同团队、不同公司针对 unicode 宽字符时,采用的编码格式可能不同。如果遇到这种情况,那么解决方法就是统一采用 ASCII 编码。如果是官方 json,可以参考这个问答转义宽字符。

如果是使用 jsonvalue,则默认就是 ascii 转义,比如说:

v := jsonvalue.NewObject()
v.SetString("中国").At("nation")
fmt.Println(v.MustMarshalString())

// 输出
// {"nation":"\u4E2D\u56FD"}

参考资料


本文章采用 知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议 进行许可。

本文链接:https://segmentfault.com/a/1190000039957766

原作者: amc,原文发布于云+社区,也是本人的博客。欢迎转载,但请注明出处。

原文标题:《Go 语言原生的 json 包有什么问题?如何更好地处理 JSON 数据?》

发布日期:2021-05-06

原文链接:https://cloud.tencent.com/developer/article/1820473

阅读 5.7k

后台 / 嵌入式全栈之路
曾经的嵌入式 / 后台开发一枚,现在开始走向架构。本专栏没有高深技术,只讲基础组件、工具,请放心食用

电子和互联网深耕多年,拥有丰富的嵌入式和服务器开发经验。现负责腾讯心悦俱乐部后台开发

875 声望
200 粉丝
0 条评论

电子和互联网深耕多年,拥有丰富的嵌入式和服务器开发经验。现负责腾讯心悦俱乐部后台开发

875 声望
200 粉丝
文章目录
宣传栏