新闻详情

新闻详情

首页 / 资讯中心 / 详情

序列化 与 反序列化 解读

发布时间:2026/11/19 11:40:09来源:尧图网络
序列化 与 反序列化 解读
前言做工具开发的小伙伴对序列化和反序列化应该很熟悉几乎每天打交道。本文我们一起入个门。目录一、概念二、为什么需要序列化三、代码示例一、概念序列化是这样一个过程将内存中的数据或对象转化为可以存储或传输的格式如 字节流、XML、JSON。反序列化顾名思义是反过来的过程将字节流还原为内存中的真实数据或对象。我们可以打一个比方你在网上买东西所有的东西都被打包好打包成一个大包裹塞进车厢进行运输。这可以粗暴理解为序列化将快递打包成可运输的状态。送到快递分拣站后将大包裹拆分通过菜鸟驿站将一个个快递送到客户手里。这可以理解为反序列化将打包的快递还原回去。二、为什么需要序列化如果你想把这台机器上的文件或数据送到另一台机器上它们之间无法通过当前内存直接交互必须将这台机器上运行的数据或对象转化为字节流然后通过网络的形式传输到另一台机器。所以我们需要序列化。假如有一个正在运行的程序内存中有很多对象或数据而这些内存中的数据在程序退出后就消失了。如果你想将这些运行中的数据保存下来就必须将它们转化为可以存储的形式JSON、二进制写入磁盘。所以我们需要序列化。三、代码示例1二进制序列化#include iostream #include vector #include cstring struct Point { float x, y; int id; }; // 序列化对象 → 字节数组 std::vectoruint8_t serialize(const Point p) { std::vectoruint8_t buf(sizeof(Point)); std::memcpy(buf.data(), p, sizeof(Point)); return buf; } // 反序列化字节数组 → 对象 Point deserialize(const std::vectoruint8_t buf) { Point p; std::memcpy(p, buf.data(), sizeof(Point)); return p; } int main() { Point original{3.14f, 2.72f, 22}; auto bytes serialize(original); // 序列化 Point restored deserialize(bytes); // 反序列化 std::cout restored.x , restored.y , restored.id \n; return 0; }2JSON#include nlohmann/json.hpp using json nlohmann::json; struct Config { std::string host; int port; }; // 序列化 Config cfg{127.0.0.1, 8080}; json j {{host, cfg.host}, {port, cfg.port}}; std::string text j.dump(); // → {host:127.0.0.1,port:8080} // 反序列化 json parsed json::parse(text); Config restored{parsed[host], parsed[port]};3Protobuf// person.proto syntax proto3; message Person { string name 1; int32 age 2; repeated string emails 3; }#include person.pb.h // 序列化 Person p; p.set_name(Alice); p.set_age(30); p.add_emails(aliceexample.com); std::string bytes; p.SerializeToString(bytes); // → 紧凑二进制 // 反序列化 Person restored; restored.ParseFromString(bytes); std::cout restored.name() \n;
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/18 21:21:17

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/18 14:20:46

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/18 20:01:42

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/18 11:04:06

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/18 15:55:22

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/18 21:21:16

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉