JSON学习(案列):Android中解析JSON格式数据常见方法合集

待解析的JSON格式的文件如下:

    [{"id":"5", "version":"1.0", "name":"xiaowang"},

    {"id":"10", "version":"2.0", "name":"lisi"}]

一、使用JSONObject来解析JSON数据

  官方提供的,所有不需要导入第三方jar包;直接上代码,如下:

复制代码
 1 //方法一:使用JSONObject
 2 private void parseJSONWithJSONObject(String JsonData) {
 3     try
 4     {
 5         JSONArray jsonArray = new JSONArray(jsonData);
 6         for (int i=0; i < jsonArray.length(); i++)    {
 7             JSONObject jsonObject = jsonArray.getJSONObject(i);
 8             String id = jsonObject.getString("id");
 9             String name = jsonObject.getString("name");
10             String version = jsonObect.getString("version");
11 
12             System.out.println("id" + id + ";name" + name + ";version" + version);
13         }
14     }
15     catch (Exception e)
16     {
17         e.printStackTrace();
18     }
19 }
复制代码

步骤解读:

定义一个JSON数组,用于将服务器返回的数据传入到一个JSONArray对象中; 然后循环遍历这个JSONArray,

从中取出每一个元素JSONObject对象),接下来只需调用getString()方法即可将数据取出。

 

二、使用GSON

使用该方法解析JSON数据,首先需要添加GSON的jar包;下载地址是:http://download.youkuaiyun.com/detail/a924571572/5824225

需要导入的jar包如图: 

下面是核心代码

复制代码
//方法二:使用GSON
private void parseJSONWithGSON(String JsonData) {
    Gson gson = new Gson();
    List<App> applist = gson.fromJson(jsonData,
        new TypeToken<List<App>>() {}.getType());
    for(App app : applist) {
         System.out.println("id" + app.getId() + ";name" + app.getName() + ";version" + app.getVersion());
    }
}
复制代码

步骤解读:

根据JSON数据内容需要定义一个类,用存放数据,如App类:

复制代码
public class App {
    private String id;
    private String name;
    private String version;

    public String getId() {
        return id;
    }  
    
    public void setId(String id) {
        this.id = id;
    }
  
    //......
}
复制代码

如只有一组数据,则可以直接调用如下代码     

GSON gson = new GSON();
App app = gson.fromJson(jsonData, App.class);

如果有多组数据,则需要借助TypeToken将期望解析成的数据类型传入fromJson()方法中:

List<App> app = gson.fromJson(jsonData, new TypeToken<<List<App>>> ().getType());

之后直接使用App对象的方法,如:getId、getName....即可获取数据

补充

TypeToken是什么呢?

TypeToken的使用非常简单,如上面的代码,只要将需要获取类型的泛型类作为TypeToken的泛型参数构造一个匿名的子类,就可以通过getType()方法获取到我们使用的泛型类的泛型参数类型。

 

三、使用Jackson

第三方的工具知道该怎么处理了吧,jar包的下载地址:http://wiki.fasterxml.com/JacksonDownload

其中需要使用到:

jackson-databind.jar   核心包(必须),提供基于“流模式”解析的APIJsonPaser(json流读取),JsonGenerator(json流输出)】

jackson-annotations.jar   数据绑定包(可选),提供基于“对象绑定”和“树模型”相关API。【ObjectMapper,JsonNode(树节点)】

jackson-core.jar  注解包(可选),提供注解功能。

核心方法

复制代码
public static void parseJSONWithJackson(String jsonData) {  
    ObjectMapper mapper = new ObjectMapper();  
    try {  
         App app = mapper.readValue(jsonData, App.class);
     System.out.println("id" + app.getId() + ";name" + app.getName() + ";version" + app.getVersion());
   } catch (JsonParseException e) {
     e.printStackTrace();
  }
catch (JsonMappingException e) {
     e.printStackTrace();
  }
catch (IOException e) {
     e.printStackTrace();
   }
}
复制代码

 

四、使用Fastjson
不多说,直接上jar包下载地址:http://download.youkuaiyun.com/download/finaljia/5293875

核心代码

复制代码
JSONArray jarr = JSONArray.parseArray(jsonData); //JSON.parseArray(jsonStr);  
for (Iterator iterator = jarr.iterator(); iterator.hasNext(); ) {  
    JSONObject job = (JSONObject)iterator.next();  
    String id = job.get("id").toString();
    String name = job.get("name").toString();
    String version = job.get("version").toString();
System.out.println(
"id" + id + ";name" + name + ";version" +
version); }
复制代码
### 大模型对齐微调DPO方法详解 #### DPO简介 直接偏好优化(Direct Preference Optimization, DPO)是一种用于改进大型语言模型行为的技术,该技术通过结合奖励模型训练和强化学习来提升训练效率与稳定性[^1]。 #### 实现机制 DPO的核心在于它能够依据人类反馈调整模型输出的概率分布。具体来说,当给定一对候选响应时,DPO试图使更受偏好的那个选项具有更高的生成概率。这种方法不仅简化了传统强化学习所需的复杂环境设置,而且显著增强了模型对于多样化指令的理解能力和执行精度[^2]。 #### PAI平台上的实践指南 为了便于开发者实施这一先进理念,在PAI-QuickStart框架下提供了详尽的操作手册。这份文档覆盖了从环境配置直至完成整个微调流程所需的一切细节,包括但不限于数据准备、参数设定以及性能评估等方面的内容。尤其值得注意的是,针对阿里云最新发布的开源LLM——Qwen2系列,文中给出了具体的实例说明,使得即使是初次接触此类工作的用户也能顺利上手。 ```python from transformers import AutoModelForCausalLM, Trainer, TrainingArguments model_name_or_path = "qwen-model-name" tokenizer_name = model_name_or_path training_args = TrainingArguments( output_dir="./results", per_device_train_batch_size=8, num_train_epochs=3, ) trainer = Trainer( model_init=lambda: AutoModelForCausalLM.from_pretrained(model_name_or_path), args=training_args, train_dataset=train_dataset, ) # 假设已经定义好了train_dataset trainer.train() ``` 这段代码片段展示了如何使用Hugging Face库加载预训练模型并对其进行微调的过程。虽然这里展示的例子并不完全对应于DPO的具体实现方式,但它提供了一个基础模板供进一步定制化开发之用[^3]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值