如何在运行时动态映射扁平数据到嵌套 JSON 结构-java教程-PHP中文网

本文介绍一种轻量、灵活且无需预定义类的方式，利用 Jackson 的 Map 与 ObjectMapper 实现 CSV 等扁平数据到任意结构 JSON 的动态转换，支持嵌套字段、类型自动推导和运行时 schema 变更。

本文介绍一种轻量、灵活且无需预定义类的方式，利用 jackson 的 `map` 与 `objectmapper` 实现 csv 等扁平数据到任意结构 json 的动态转换，支持嵌套字段、类型自动推导和运行时 schema 变更。

在实际数据集成场景中（如 ETL、API 适配、配置驱动的报表生成），我们常需将 CSV、数据库查询结果等扁平结构数据，按运行时可变的 JSON Schema 映射为嵌套 JSON。例如，CSV 含列 productId,price,inStock，而目标 JSON 要求嵌套路径 "product.id"、"product.price" 和 "product.stockAvailable"，且该结构可能随业务规则实时调整。

直接硬编码 POJO 类（如 Product）或依赖字符串模板（如 {0} 占位符）存在明显缺陷：前者要求编译期强类型绑定，无法响应 schema 变更；后者易出错、无类型安全、难以处理嵌套/数组/类型转换（如 true → "yes"）。更优解是以 Map 为中间载体，结合 Jackson 的动态树模型（JsonNode）与类型推导能力，实现零编译依赖、高可维护性的映射。

核心思路如下：

解析 CSV 行为字符串数组（如 ["12345", "200", "true"]）；
加载运行时 schema 定义（JSON 格式或 Java Map 表示），其中键为 JSON 路径（如 "product.id"），值为对应 CSV 列索引及可选转换规则；
构建嵌套 Map 结构：遍历 schema 路径，用 Map 模拟 JSON 对象层级（如 map.computeIfAbsent("product", k -> new HashMap())），并填入经转换的值（如 "true" → Boolean.TRUE → "yes"）；
序列化为 JSON：使用 ObjectMapper.valueToTree() 或直接 writeValueAsString() 输出。

以下为关键代码示例（基于 Jackson 2.15+）：

Aria2 Json Rpc

通过 JSON‑RPC 2.0 与 aria2 下载管理器交互，使用自然语言命令管理下载、查询状态并控制任务。适用于 aria2、下载管理或种子操作。

下载

import com.fasterxml.jackson.databind.JsonNode;
import com.fasterxml.jackson.databind.ObjectMapper;
import com.fasterxml.jackson.databind.node.ObjectNode;

import java.util.*;

public class DynamicCsvToJson {
    private static final ObjectMapper mapper = new ObjectMapper();

    // schema 示例：{"product.id": 0, "product.price": 1, "product.stockAvailable": {"col": 2, "transform": "booleanToYesNo"}}
    public static JsonNode convertRow(String[] csvRow, Map<string object> schema) throws Exception {
        ObjectNode root = mapper.createObjectNode();

        for (Map.Entry<string object> entry : schema.entrySet()) {
            String jsonPath = entry.getKey();
            Object config = entry.getValue();

            // 解析路径：product.id → ["product", "id"]
            String[] parts = jsonPath.split("\.");
            ObjectNode current = root;

            // 逐级创建嵌套对象
            for (int i = 0; i  mapCfg = (Map, ?>) config;
            int colIdx = ((Number) mapCfg.get("col")).intValue();
            String transform = (String) mapCfg.get("transform");
            String raw = row[colIdx];
            return switch (transform) {
                case "booleanToYesNo" -> Boolean.parseBoolean(raw) ? "yes" : "no";
                case "parseInt" -> Integer.parseInt(raw);
                default -> raw;
            };
        }
        return config;
    }

    private static Object parseValue(String s) {
        if ("true".equalsIgnoreCase(s)) return true;
        if ("false".equalsIgnoreCase(s)) return false;
        try { return Integer.parseInt(s); } catch (NumberFormatException ignored) {}
        try { return Double.parseDouble(s); } catch (NumberFormatException ignored) {}
        return s;
    }

    // 使用示例
    public static void main(String[] args) throws Exception {
        String[] row = {"12345", "200", "true"};
        Map<string object> schema = new LinkedHashMap();
        schema.put("product.id", 0);
        schema.put("product.price", 1);
        schema.put("product.stockAvailable", Map.of("col", 2, "transform", "booleanToYesNo"));

        JsonNode result = convertRow(row, schema);
        System.out.println(mapper.writerWithDefaultPrettyPrinter().writeValueAsString(result));
        // 输出：
        // {
        //   "product" : {
        //     "id" : "12345",
        //     "price" : 200,
        //     "stockAvailable" : "yes"
        //   }
        // }
    }
}</string></string></string>

✅ 优势总结：