新闻详情

新闻详情

首页 / 资讯中心 / 详情

A “NullPointerException“ could be thrown; “body“ is nullable here.

发布时间:2026/11/13 7:39:44来源:尧图网络
A “NullPointerException“ could be thrown; “body“ is nullable here.
一、背景在编写一个用于处理文件下载的 Spring 工具方法时遇到了静态代码扫描工具SonarQube / IDEA Inspection抛出的一条告警A NullPointerException could be thrown; body is nullable here.对应的问题代码如下javaprivate ResponseEntitybyte[] toDownloadResponse(ResponseEntitybyte[] entity) { HttpHeaders headers new HttpHeaders(); MediaType contentType entity.getHeaders().getContentType(); if (contentType ! null) { headers.setContentType(contentType); } String contentDisposition entity.getHeaders().getFirst(HttpHeaders.CONTENT_DISPOSITION); if (contentDisposition ! null) { headers.set(HttpHeaders.CONTENT_DISPOSITION, contentDisposition); } byte[] body entity.getBody() ! null ? entity.getBody() : new byte[0]; headers.setContentLength(body.length); // ⚠️ 告警位置 return new ResponseEntity(body, headers, entity.getStatusCode()); }乍一看这段代码的意图非常明确如果entity.getBody()返回 null就用空数组兜底。既然已经做了非空判断为什么工具还会认为body可能为 null从而在body.length处抛出 NPE 呢下面我们把这个问题彻底讲清楚。二、告警的根本原因三元表达式里调用了两次getBody()问题的关键其实藏在这一行javabyte[] body entity.getBody() ! null ? entity.getBody() : new byte[0]; // ^^^^^^^^^^^^^^^^^^^^ ^^^^^^^^^^^^^^^^^^^^ // 第 1 次调用 第 2 次调用这行代码里entity.getBody()被调用了两次第一次在条件判断! null里用来判断是否为 null第二次在真分支里用来取出实际的字节数组。对于人类阅读来说我们默认ResponseEntity一旦构造完成getBody()每次调用都会返回同一个对象所以两次调用的结果必然一致——第一次非 null第二次也一定非 null。但静态分析工具并不这么认为。它遵循的是一种非常保守的推理逻辑getBody()是一个方法调用其返回值在方法签名上并没有被标注为NonNull因此在工具眼里它的返回值可能为 null两次独立的getBody()调用工具无法保证它们返回同一个引用工具并不理解ResponseEntity内部就是简单返回一个final字段于是它认为第二次调用完全可能返回 null那么三元表达式的真分支就会把 null 赋给body一旦body为 null后面body.length就会抛NullPointerException。这类问题在软件工程中有一个经典的名字——TOCTOUTime-of-Check to Time-of-Use检查时与使用时不一致。虽然这里并不是真正的时间竞争但在静态分析的语义层面它属于同一类检查后再次使用可能变化的值的模式。三、修复方案3.1 核心思路只调用一次getBody()将结果保存到局部变量后续判断和赋值都基于这个局部变量。这样工具就能沿着两条分支精确推理rawBody ! null→body rawBody非 nullrawBody null→body new byte[0]也非 null。无论走哪条分支body都必然非 null告警自然消失。3.2 方案一提取局部变量推荐改动最小、最直观兼容所有 Java 版本javaprivate ResponseEntitybyte[] toDownloadResponse(ResponseEntitybyte[] entity) { HttpHeaders headers new HttpHeaders(); MediaType contentType entity.getHeaders().getContentType(); if (contentType ! null) { headers.setContentType(contentType); } String contentDisposition entity.getHeaders().getFirst(HttpHeaders.CONTENT_DISPOSITION); if (contentDisposition ! null) { headers.set(HttpHeaders.CONTENT_DISPOSITION, contentDisposition); } byte[] rawBody entity.getBody(); // 只取一次 byte[] body rawBody ! null ? rawBody : new byte[0]; headers.setContentLength(body.length); return new ResponseEntity(body, headers, entity.getStatusCode()); }3.3 方案二Objects.requireNonNullElseJava 9JDK 9 提供了Objects.requireNonNullElse语义就是为空则用默认值表达更简洁javabyte[] body Objects.requireNonNullElse(entity.getBody(), new byte[0]);
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 2026/11/13 0:43:49

【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 2026/11/12 23:59:09

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 2026/11/12 9:50:02

【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 ... 2026/11/12 9:25:38

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 2026/11/12 15:57:44

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 2026/11/13 0:02:27

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
📞 ✉