JSON转换问题最全详解(json转List,json转对象,json转JSONObject)

com.alibaba.fastjson包下相关方法

JSON相关

1.json转对象

Student o = JSONObject.parseObject(jsonString, Student.class);

2.json转List

json: 花括号{}

String jsonString =[{"id":1, "name": "zhangsan", "sex": "male", "age": 18, :city": "Beijing"},{"id": 2, "name": "lisi", "sex": "female", "age": 18, "city": "Shanghai"}]List<Student> studentList = JSONObject.parseArray(jsonString, Student.class);

json: 方括号[]
将JSON字符串看成是list嵌套list的格式,即List< List< Object> >,获取到list之后,循环list,依次获取内层List< Object >,通过get(0)获取id,get(1)获取name……。

String jsonString =[[1,"zhangsan","male",18,"Beijing"],[2,"lisi","female",18,"Shanghai"]]List<List<Object>> list = JSON.parseObject([jsonString], new TypeReference<List<List<Object>>>() {});

3.对象转json

JSON.toJSONString(user);

4.List转json

JSON.toJSONString(users);

JSONObject相关:

1.json转JSONObject方法

 String json = "";
 JSONObject jsonObject = JSON.parseObject(json);

2.JSONObject转json方法

//使用方法
jsonObject.getString(key);

3.JSONObject转List

简单类型的:(json字段与接收字段一致的时候)
例:json:

{
	"count": 3,
	"servers": [{
		"fault": null,
		"id": "5c1ac257-",
		"cpu_options": {
			"hw:cpu_threads": null
		}
	}]
}
       JSONObject jsonObject = JSON.parseObject(json);
	// 获取到我们的jsonobject参数,并toJSONString
       String s = JSONArray.toJSONString(jsonObject.get("servers"));

	// 将json字符串转换为集合对象(实体类就省略了啊)
       List<AnswerCardVo> cardVos = JSONArray.parseArray(s, AnswerCardVo.class);

4.Map转JSONObject

//直接调用new方法
JSONObject jsonObject = new JSONObject(map);



以上内容是接收字段与json字段一致的时候,那么不一致的时候怎么处理?

com.fasterxml.jackson包

例:json串内容如下,要转成List
注意:可以看到,该json串中属性名是这样的OS-EXT-STS:task_state,那么我们接收的bean就无法写成这个属性名去接收,所以需要在接收Bean中使用注解@JsonProperty进行处理
json串

{
	"count": 3,
	"servers": [{
		"fault": null,
		"id": "5c1ac257-",
		"OS-EXT-STS:task_state": null,
		"cpu_options": {
			"hw:cpu_threads": null
		}
	}]
}

可以看到注解@JsonProperty中指定了要接收哪个的值,这样就可以正常转换了
对象:

public class HwInstance {
   
    private String fault;
   
    private String id;
    
    @JsonProperty("OS-EXT-STS:task_state")
    private String state;

    @JsonProperty("cpu_options")
    private Object options;
    }

转List

方法一:

@Autowired
private ObjectMapper objectMapper;

String json = "";

JSONObject jsonObject = JSON.parseObject(json);
JavaType javaType = objectMapper.getTypeFactory().constructParametricType(ArrayList.class, HwInstance.class);
List<HwInstance> instances  = objectMapper.readValue(objectMapper.readTree(jsonObject.toJSONString()).get("servers").toString(), javaType);

方法二:

@Autowired
private ObjectMapper objectMapper;

String json = "";

List<HwInstance>  instances = objectMapper.readValue(objectMapper.readTree(json).get("servers").toString(),new TypeReference<List<HwInstance>>(){});

注意:可能会遇到报错的情况如下:
报错信息:com.fasterxml.jackson.databind.exc.UnrecognizedPropertyException: Unrecognized field “isleader”
意思是json’中的字段与实体类不匹配,解决办法如下:
办法一:给objectMapper设置一个属性
objectMapper.configure(DeserializationFeature.FAIL_ON_UNKNOWN_PROPERTIES, false);
办法二:给实体类加一个注解
@JsonIgnoreProperties(ignoreUnknown = true)

  • 20
    点赞
  • 121
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
使用Python和OpenCV进行实时物体识别,可以按照以下步骤进行: 1. 安装Python和OpenCV:首先,确保已经成功安装了Python和OpenCV库。可以使用pip工具通过终端或命令提示符运行以下命令来安装OpenCV:pip install opencv-python 2. 引入所需库:在Python脚本的开头,导入必要的库。这包括cv2和numpy。代码示例:import cv2 import numpy as np 3. 读取视频输入:使用cv2.VideoCapture函数来读取视频输入。代码示例:cap = cv2.VideoCapture(0) # 0表示摄像头 4. 加载物体图像:使用cv2.imread函数加载要识别的物体的图像。代码示例:object_image = cv2.imread("object.jpg") 5. 定义特征提取器:使用OpenCV的ORB(Oriented FAST and Rotated BRIEF)特征提取器来检测物体的关键特征点。代码示例:orb = cv2.ORB_create() 6. 提取关键特征:使用ORB特征提取器来计算物体图像的关键特征和描述符。代码示例:kp_object, des_object = orb.detectAndCompute(object_image, None) 7. 启动循环:使用一个无限循环,来进行连续的实时物体识别。代码示例:while True: 8. 读取实时视频帧:在循环中,使用cap.read()函数来读取每一帧的视频。代码示例:ret, frame = cap.read() 9. 提取当前帧的关键特征和描述符:使用ORB特征提取器来计算当前帧的关键特征和描述符。代码示例:kp_frame, des_frame = orb.detectAndCompute(frame, None) 10. 特征匹配和筛选:使用OpenCV的BFMatcher来进行关键特征的匹配,并筛选出最佳匹配。代码示例:bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True) matches = bf.match(des_object, des_frame) matches = sorted(matches, key=lambda x: x.distance) 11. 绘制匹配结果:使用cv2.drawMatches函数,将匹配的关键特征点在图像上进行可视化。代码示例:matched_result = cv2.drawMatches(object_image, kp_object, frame, kp_frame, matches[:10], None, flags=2) 12. 显示结果:使用cv2.imshow函数,将识别结果显示在窗口中。代码示例:cv2.imshow("Result", matched_result) 13. 退出循环:当按下键盘上的任意键时,通过cv2.waitKey函数检测并退出循环。代码示例:if cv2.waitKey(1) & 0xFF == ord('q'): break 14. 释放资源:在结束程序之前,使用cap.release()函数来释放视频输入资源。代码示例:cap.release() 15. 关闭窗口:使用cv2.destroyAllWindows函数来关闭所有的显示窗口。代码示例:cv2.destroyAllWindows() 通过按照上述步骤,就可以实现使用Python和OpenCV进行实时物体识别了。可以根据具体需求,对整个流程进行调整和优化。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

JavaSupeMan

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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