基于JKDBModel类实现存储时候在某些情况下储存失败的解决方案

文章介绍了如何使用NSData+YYAdd扩展和JKDBModel来处理数据存储的问题。当遇到FMDB无法存储的数据类型时,通过将数据转换为Base64编码进行存储。在存储和取出数据时,确保了转码过程的对应性,以保证数据的完整性和一致性。

提示:使用了 NSData+YYAdd , JKDBModel

文章目录


前言

为了实现简单数据存储,通过使用JKDBModel简单实现。但是在存储接口返回值时,会出现有的接口返回值存储失败,有的成功。通过简单分析问题出现在返回值数据类型fmdb无法存储。简单思路就是将无法存储数据转成base64


注意:操作base64是通过 NSData+YYAdd实现

一、存储

以前是 

[[NSString alloc] initWithData:jsonData encoding:NSUTF8StringEncoding]; 这样在特殊数据比如有网页标签的时候JKDBModel就可能出现存失败的情况。

优化后:

- (NSString *)dictionaryToJson:(NSDictionary *)dic {
    if (dic == nil) {
        return nil;
    }
    NSError *parseError = nil;
    NSData *jsonData = [NSJSONSerialization dataWithJSONObject:dic options:NSJSONWritingFragmentsAllowed error:&parseError];
    if (parseError) {
        return nil;
    }
    return [jsonData base64EncodedString];
}

二、取出数据

需要和存储过程对应上,怎么存的怎么取

(以前是: NSData *jsonData = [jsonString dataUsingEncoding:NSUTF8StringEncoding])

- (NSDictionary *)dictionaryWithBase64JsonString:(NSString *)jsonString {
    if (jsonString == nil) {
        return nil;
    }
    NSData *jsonData = [NSData dataWithBase64EncodedString:jsonString];
    NSError *err;
    NSDictionary *dic = [NSJSONSerialization JSONObjectWithData:jsonData
                                                        options:NSJSONReadingMutableContainers
                                                          error:&err];

    if (err) {
        NSLog(@"json解析失败:%@", err);
        return nil;
    }
    return dic;
}


总结

转码过程要对应

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分,聚或者物品之间的有趣关联. 机器学习分 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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