本文介绍一种基于 FastJSON 与 Hutool 的轻量级、类型安全方案，可自动根据 JSON 中的 dim（维度）和 type（数据类型）字段，将嵌套 JSON 数组（如 [[1.2,3.4],[5.6,7.8]] 或 [1,2,3,4]）精准反序列化为对应维度的 Java 原生数组或泛型集合（如 double[][]、int[]、String[] 等），无需硬编码多层嵌套逻辑。
本文介绍一种基于 fastjson 与 hutool 的轻量级、类型安全方案，可自动根据 json 中的 `dim`（维度）和 `type`（数据类型）字段，将嵌套 json 数组（如 `[[1.2,3.4],[5.6,7.8]]` 或 `[1,2,3,4]`）精准反序列化为对应维度的 java 原生数组或泛型集合（如 `double[][]`、`int[]`、`string[]` 等），无需硬编码多层嵌套逻辑。
在处理科学计算、AI 模型推理或跨语言张量数据交换时，常遇到结构统一但维度与类型动态变化的 JSON 数据，例如：
{ "dim": [2,3], "type": "FP32", "data": [[1.0,2.0,3.0],[4.0,5.0,6.0]] }
{ "dim": [1,4], "type": "FP64", "data": [[5.1,3.5,1.4,0.2]] }
{ "dim": [4], "type": "INT8", "data": [0,1,2,3] }
{ "dim": [1], "type": "BYTES", "data": ["Hello"] }
其核心挑战在于：data 字段的嵌套层数由 dim 数组长度决定（n 维 → n 层嵌套），且元素类型需按 type 映射为 Java 基本类型或包装类（如 "FP64" → double，"INT8" → byte）。Jackson/Gson 默认不支持运行时动态维度解析，需手动构建泛型类型或递归解析。
✅ 推荐方案：FastJSON + Hutool 协同解析
FastJSON 提供强大的 JSON.parseObject() 和类型推断能力；Hutool 的 ArrayUtil 与 TypeReference 工具可简化多维数组构造与类型转换。以下是完整、可复用的实现：
1. Maven 依赖（推荐 FastJSON 1.2.83+ 或 2.x，Hutool 5.8.22+）
<dependency><groupid>com.alibaba</groupid><artifactid>fastjson</artifactid><version>1.2.83</version></dependency><dependency><groupid>cn.hutool</groupid><artifactid>hutool-all</artifactid><version>5.8.22</version></dependency>
2. 核心解析工具类
import cn.hutool.core.convert.Convert;
import cn.hutool.core.util.ArrayUtil;
import com.alibaba.fastjson.JSON;
import com.alibaba.fastjson.JSONObject;
import com.alibaba.fastjson.TypeReference;
import java.lang.reflect.Array;
import java.util.*;
public class TensorDeserializer {
// 类型映射表（可根据需求扩展）
private static final Map<string class>> TYPE_MAP = new HashMap();
static {
TYPE_MAP.put("FP32", float.class);
TYPE_MAP.put("FP64", double.class);
TYPE_MAP.put("INT8", byte.class);
TYPE_MAP.put("INT16", short.class);
TYPE_MAP.put("INT32", int.class);
TYPE_MAP.put("INT64", long.class);
TYPE_MAP.put("BYTES", String.class); // 字符串视为字节序列语义
TYPE_MAP.put("BOOL", boolean.class);
}
/**
* 反序列化张量 JSON 字符串为指定维度的 Java 数组
* @param json JSON 字符串（含 dim, type, data 字段）
* @return 动态生成的 n 维数组（如 double[][]、int[]、String[] 等）
*/
public static Object deserialize(String json) {
JSONObject root = JSON.parseObject(json);
int[] dims = root.getObject("dim", int[].class);
String typeStr = root.getString("type");
Object rawData = root.get("data");
Class> elementType = TYPE_MAP.getOrDefault(typeStr.toUpperCase(), String.class);
// 递归构建 n 维数组并填充数据
return buildNDArray(rawData, dims, 0, elementType);
}
private static Object buildNDArray(Object data, int[] dims, int depth, Class> elemType) {
if (depth == dims.length) {
// 到达最内层：直接转换为基本类型或包装类
return Convert.convert(elemType, data);
}
int size = dims[depth];
Class> arrayType = (depth == dims.length - 1)
? elemType
: ArrayUtil.getClass(elemType); // 如 elemType=Double → Double[].class
Object array = Array.newInstance(arrayType, size);
List> dataList = data instanceof List ? (List>) data : Collections.singletonList(data);
for (int i = 0; i <h4>3. 使用示例</h4>
<pre class="brush:php;toolbar:false;">public class TensorDemo {
public static void main(String[] args) {
// 示例 1：2D FP64 数组 → double[][]
String json1 = "{\"dim\":[2,2],\"type\":\"FP64\",\"data\":[[1.1,2.2],[3.3,4.4]]}";
double[][] arr2d = (double[][]) TensorDeserializer.deserialize(json1);
System.out.println(Arrays.deepToString(arr2d));
// 输出: [[1.1, 2.2], [3.3, 4.4]]
// 示例 2：1D INT8 数组 → byte[]
String json2 = "{\"dim\":[3],\"type\":\"INT8\",\"data\":[10,20,30]}";
byte[] arr1d = (byte[]) TensorDeserializer.deserialize(json2);
System.out.println(Arrays.toString(arr1d));
// 输出: [10, 20, 30]
// 示例 3：1D BYTES → String[]
String json3 = "{\"dim\":[2],\"type\":\"BYTES\",\"data\":[\"A\",\"B\"]}";
String[] strArr = (String[]) TensorDeserializer.deserialize(json3);
System.out.println(Arrays.toString(strArr));
// 输出: [A, B]
}
}
⚠️ 注意事项与最佳实践
- 类型安全性：TYPE_MAP 中未定义的 type 将默认回退为 String.class，建议在生产环境增加校验抛出 IllegalArgumentException；
- 性能优化：对高频调用场景，可缓存 Class> 查找结果，避免重复 HashMap.get()；
- 兼容性提示：FastJSON 1.x 存在已知安全风险，生产环境强烈推荐升级至 FastJSON2（com.alibaba.fastjson2:fastjson2），并微调 JSON.parseObject(...) 调用方式；
- 空值/异常处理：示例代码未包含 null 容错，实际使用中应在 buildNDArray 中添加 if (data == null) 分支返回默认值或抛出语义化异常；
-
替代方案对比：若项目已强制使用 Jackson，可通过自定义 JsonDeserializer
+ TypeFactory.constructArrayType() 实现类似逻辑，但代码复杂度显著升高。
该方案以最小侵入性解决了“维度动态 + 类型动态”的双重难题，兼顾可读性、可维护性与执行效率，适用于模型服务接口、配置中心张量参数解析等典型场景。
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
