体验Jackson Json

本文介绍了如何使用 Jackson 库进行 Java 对象与 JSON 字符串之间的转换。包括 List、Map 和 POJO 类型的数据结构,并提供了详细的代码示例。

体验了一把Jackson Json。

将对象(List, Map, POJO Object)转换为json字符串: 

可使用方法 ObjectMapper#writeValueAsString(Object value)

例:

list2Json();

map2Json();

pojo2Json();

将Json字符串转换为对象(List, Map, POJO Object): 

可使用方法 ObjectMapper#readValue(String content, Class<T> valueType)

例:

json2List();

json2Map();

json2Pojo();


测试程序如下:

import java.io.IOException;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

import org.codehaus.jackson.JsonGenerationException;
import org.codehaus.jackson.JsonParseException;
import org.codehaus.jackson.map.JsonMappingException;
import org.codehaus.jackson.map.ObjectMapper;


public class ConvertTest {

	public static void main(String[] args) {
		new ConvertTest().todo();
	}
	
	private ObjectMapper mapper = new ObjectMapper();
	
	public void todo() {
		System.out.println("============ Object To JSON ============");
		list2Json();
		map2Json();
		pojo2Json();

		System.out.println("============ JSON TO Object ============");
		json2List();
		json2Map();
		json2Pojo();
	}
	
	public void list2Json() {
			List list = new ArrayList();
			Map m1 = new HashMap();
			m1.put("first", "Joe");
			m1.put("last", "Sixpack");
			m1.put("gender", "MALE");
			m1.put("verified", false);
			list.add(m1);
			Map m2 = new HashMap();
			m2.put("first", "Joe");
			m2.put("last", "Sixpack");
			m2.put("address", "unknown");
			list.add(m2);
			
			String output;
			try {
				output = mapper.writeValueAsString(list);
				System.out.println(output);
				// print '[{"last":"Sixpack","verified":false,"gender":"MALE","first":"Joe"},{"last":"Sixpack","address":"unknown","first":"Joe"}]'
			} catch (JsonGenerationException e) {
				e.printStackTrace();
			} catch (JsonMappingException e) {
				e.printStackTrace();
			} catch (IOException e) {
				e.printStackTrace();
			}
	}
	
	public void map2Json() {
		Map m = new HashMap();
		Map m1 = new HashMap();
		m1.put("first", "Joe");
		m1.put("last", "Sixpack");
		m.put("name", m1);
		m.put("gender", "MALE");
		m.put("verified", false);
		
		String output;
		try {
			output = mapper.writeValueAsString(m);
			System.out.println(output); // print '{"verified":false,"name":{"last":"Sixpack","first":"Joe"},"gender":"MALE"}'
		} catch (JsonGenerationException e) {
			e.printStackTrace();
		} catch (JsonMappingException e) {
			e.printStackTrace();
		} catch (IOException e) {
			e.printStackTrace();
		}
		
	}
	
	public void pojo2Json() {
		User user = new User();
		User.Name name = new User.Name();
		name.setFirst("Joe");
		name.setLast("Sixpack");
		user.setName(name);
		user.setVerified(false);
		
		String output;
		try {
			output = mapper.writeValueAsString(user);
			System.out.println(output); // print '{"verified":false,"name":{"first":"Joe","last":"Sixpack"}}'
		} catch (JsonGenerationException e) {
			e.printStackTrace();
		} catch (JsonMappingException e) {
			e.printStackTrace();
		} catch (IOException e) {
			e.printStackTrace();
		}
	}
	
	
	public void json2List() {
		String json = 
			"[" +
				"{" + 
					"\"name\" : { \"first\" : \"Joe\", \"last\" : \"Sixpack\" }, " +  
					"\"gender\" : \"MALE\", " +
					"\"verified\" : false" + 
				"}" + 
				", " + 
				"{" + 
					"\"name\" : { \"first\" : \"Joe\", \"last\" : \"Sixpack\" }, " +  
					"\"address\" : \"unknown\" " + 
				"}" + 
			"]";
			try {
				List li = mapper.readValue(json, List.class);
				System.out.println(li); // print '[{name={first=Joe, last=Sixpack}, gender=MALE, verified=false}, {name={first=Joe, last=Sixpack}, address=unknown}]'
				String address = (String)((Map)li.get(1)).get("address");
				System.out.println("list(0) => address : " + address); // print 'list(0) => address : unknown'
			} catch (JsonParseException e) {
				e.printStackTrace();
			} catch (JsonMappingException e) {
				e.printStackTrace();
			} catch (IOException e) {
				e.printStackTrace();
			}
	}
	
	public void json2Map() {
		String json = 
		"{" + 
			"\"name\" : { \"first\" : \"Joe\", \"last\" : \"Sixpack\" }, " +  
			"\"gender\" : \"MALE\", " +
			"\"verified\" : false" + 
		"}";
		try {
			Map m = mapper.readValue(json, Map.class);
			Object o = ((Map)m.get("name")).get("first");
			System.out.println((String)o); // print 'Joe'
			System.out.println(m); // print '{name={first=Joe, last=Sixpack}, gender=MALE, verified=false}'
		
		} catch (JsonParseException e) {
			e.printStackTrace();
		} catch (JsonMappingException e) {
			e.printStackTrace();
		} catch (IOException e) {
			e.printStackTrace();
		}
	}
	
	public void json2Pojo() {
		String json = 
			"{" + 
				"\"name\" : { \"first\" : \"Joe\", \"last\" : \"Sixpack\" }, " +  
				"\"verified\" : false" + 
			"}";
		try {
			User u = mapper.readValue(json, User.class);
			// print 
			// name=>Joe Sixpack
			// verified=>false
			System.out.println(u);
		} catch (JsonParseException e) {
			e.printStackTrace();
		} catch (JsonMappingException e) {
			e.printStackTrace();
		} catch (IOException e) {
			e.printStackTrace();
		}
	}
	
	public static class User {
		public static class Name {
			  private String _first, _last;
			  public String getFirst() { return _first; }
			  public String getLast() { return _last; }
			  public void setFirst(String s) { _first = s; }
			  public void setLast(String s) { _last = s; }
			  public String toString() {
				  return "name=>" + _first + " " + _last;
			  }
		}
		private Name _name;
		private boolean _isVerified;
		public Name getName() { return _name; }
		public boolean isVerified() { return _isVerified; }
		public void setName(Name n) { _name = n; }
		public void setVerified(boolean b) { _isVerified = b; }
		
		public String toString() {
			return _name.toString() + "\nverified=>" + _isVerified;
		}
	}
}

Ref: http://jackson.codehaus.org/

内容概要:本文围绕EKF SLAM(扩展卡尔曼滤波同步定位与地图构建)的性能展开多项对比实验研究,重点分析在稀疏与稠密landmark环境下、预测与更新步骤同时进行与非同时进行的情况下的系统性能差异,并进一步探讨EKF SLAM在有色噪声干扰下的鲁棒性表现。实验考虑了不确定性因素的影响,旨在评估不同条件下算法的定位精度与地图构建质量,为实际应用中EKF SLAM的优化提供依据。文档还提及多智能体系统在遭受DoS攻击下的弹性控制研究,但核心内容聚焦于SLAM算法的性能测试与分析。; 适合人群:具备一定机器人学、状态估计或自动驾驶基础知识的科研人员及工程技术人员,尤其是从事SLAM算法研究或应用开发的硕士、博士研究生和相关领域研发人员。; 使用场景及目标:①用于比较EKF SLAM在不同landmark密度下的性能表现;②分析预测与更新机制同步与否对滤波器稳定性与精度的影响;③评估系统在有色噪声等非理想观测条件下的适应能力,提升实际部署中的可靠性。; 阅读建议:建议结合MATLAB仿真代码进行实验复现,重点关注状态协方差传播、观测更新频率与噪声模型设置等关键环节,深入理解EKF SLAM在复杂环境下的行为特性。稀疏 landmark 与稠密 landmark 下 EKF SLAM 性能对比实验,预测更新同时进行与非同时进行对比 EKF SLAM 性能对比实验,EKF SLAM 在有色噪声下性能实验
内容概要:本文围绕“基于主从博弈的售电商多元零售套餐设计与多级市场购电策略”展开,结合Matlab代码实现,提出了一种适用于电力市场化环境下的售电商优化决策模型。该模型采用主从博弈(Stackelberg Game)理论构建售电商与用户之间的互动关系,售电商作为领导者制定电价套餐策略,用户作为跟随者响应电价并调整用电行为。同时,模型综合考虑售电商在多级电力市场(如日前市场、实时市场)中的【顶级EI复现】基于主从博弈的售电商多元零售套餐设计与多级市场购电策略(Matlab代码实现)购电组合优化,兼顾成本最小化与收益最大化,并引入不确定性因素(如负荷波动、可再生能源出力变化)进行鲁棒或随机优化处理。文中提供了完整的Matlab仿真代码,涵盖博弈建模、优化求解(可能结合YALMIP+CPLEX/Gurobi等工具)、结果可视化等环节,具有较强的可复现性和工程应用价值。; 适合人群:具备一定电力系统基础知识、博弈论初步认知和Matlab编程能力的研究生、科研人员及电力市场从业人员,尤其适合从事电力市场运营、需求响应、售电策略研究的相关人员。; 使用场景及目标:① 掌握主从博弈在电力市场中的建模方法;② 学习售电商如何设计差异化零售套餐以引导用户用电行为;③ 实现多级市场购电成本与风险的协同优化;④ 借助Matlab代码快速复现顶级EI期刊论文成果,支撑科研项目或实际系统开发。; 阅读建议:建议读者结合提供的网盘资源下载完整代码与案例数据,按照文档目录顺序逐步学习,重点关注博弈模型的数学表达与Matlab实现逻辑,同时尝试对目标函数或约束条件进行扩展改进,以深化理解并提升科研创新能力。
内容概要:本文介绍了基于粒子群优化算法(PSO)的p-Hub选址优化问基于粒子群优化算法的p-Hub选址优化(Matlab代码实现)题的Matlab代码实现,旨在解决物流与交通网络中枢纽节点的最优选址问题。通过构建数学模型,结合粒子群算法的全局寻优能力,优化枢纽位置及分配策略,提升网络传输效率并降低运营成本。文中详细阐述了算法的设计思路、实现步骤以及关键参数设置,并提供了完整的Matlab仿真代码,便于读者复现和进一步改进。该方法适用于复杂的组合优化问题,尤其在大规模网络选址中展现出良好的收敛性和实用性。; 适合人群:具备一定Matlab编程基础,从事物流优化、智能算法研究或交通运输系统设计的研究生、科研人员及工程技术人员;熟悉优化算法基本原理并对实际应用场景感兴趣的从业者。; 使用场景及目标:①应用于物流中心、航空枢纽、快递分拣中心等p-Hub选址问题;②帮助理解粒子群算法在离散优化问题中的编码与迭代机制;③为复杂网络优化提供可扩展的算法框架,支持进一步融合约束条件或改进算法性能。; 阅读建议:建议读者结合文中提供的Matlab代码逐段调试运行,理解算法流程与模型构建逻辑,重点关注粒子编码方式、适应度函数设计及约束处理策略。可尝试替换数据集或引入其他智能算法进行对比实验,以深化对优化效果和算法差异的理解。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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