Swift4: Codable->字典轉(zhuǎn)模型的具體實現(xiàn)

一、字典轉(zhuǎn)模型

  • 現(xiàn)有如下JSON數(shù)據(jù)
let dict: [String : Any] = [
    "name" : "zhangsan",
    "height" : 1.88,
    "pet" : [
        "name" : "xiaohei",
        "age" : 3
    ],
    "picture": [
        [
            "url": "這里是url",
            "name": "一張圖片"
        ],
        [
            "url": "這里是url",
            "name": "一張圖片"
        ]
    ]
]
  • 根據(jù)數(shù)據(jù), 定義三個類: Person, Pet, Picture, 每個類都遵守Codable協(xié)議
class Person: Codable {
    var name: String?
    var age: Int?
    var h: Double?
    var pet: Pet?
    var picture: [Picture]?
    
    private enum CodingKeys: String, CodingKey {
        case h = "height"
        case name
        case age
        case pet
        case picture
    }
}

class Pet: Codable {
    var name: String?
    var age: Int?
}

class Picture: Codable {
    var url: String?
    var name: String?
}
  • Person類中有如下代碼, 表示屬性h接收J(rèn)SON數(shù)據(jù)中的height字段對應(yīng)的值
    private enum CodingKeys: String, CodingKey {
        case h = "height"
        case name
        case age
        case pet
        case picture
    }
  • 定義字典轉(zhuǎn)模型方法, 這里使用了泛型
func JSONModel<T>(_ type: T.Type, withKeyValues data:[String:Any]) throws -> T where T: Decodable {
    let jsonData = try JSONSerialization.data(withJSONObject: data, options: [])
    let model = try JSONDecoder().decode(type, from: jsonData)
    return model
}
  • 調(diào)用字典轉(zhuǎn)模型方法
if let p = try? JSONModel(Person.self, withKeyValues: dict) {
    print(p.name, p.h, p.age)
    print(p.pet?.name, p.pet?.age)
    print(p.picture?.first?.url, p.picture?.first?.name)
}
// 控制臺打印: 
Optional("zhangsan") Optional(1.8799999999999999) nil
Optional("xiaohei") Optional(3)
Optional("這里是url") Optional("一張圖片")

這里類的所有屬性都是可選類型, 這是因為當(dāng)類中的屬性, 在JSON數(shù)據(jù)中沒有對應(yīng)key時,
1浑测、如果屬性非可選, 就會轉(zhuǎn)模型失敗
2嗤无、如果屬性可選, 這個屬性就不會被賦值, 并且模型轉(zhuǎn)換成功

二秤涩、數(shù)組轉(zhuǎn)模型數(shù)組

  • 現(xiàn)有如下JSON數(shù)組
let list: [[String:Any]] = [
    [
        "name" : "zhangsan",
        "age" : 20
    ],
    [
        "name" : "lisi",
        "age" : 18
    ],
    [
        "name" : "wangwu",
        "age" : 25
    ]
]
  • 定義數(shù)組轉(zhuǎn)模型數(shù)組方法
func JSONModels<T>(_ type: T.Type, withKeyValuesArray datas: [[String:Any]]) throws -> [T]  where T: Decodable {
    var temp: [T] = []
    for data in datas {
        let model = try JSONModel(type, withKeyValues: data)
        temp.append(model)
    }
    return temp
}
  • 調(diào)用數(shù)組轉(zhuǎn)模型數(shù)組方法
if let ps = try? JSONModels(Person.self, withKeyValuesArray: list) {
    for p in ps {
        print(p.name, p.age)
    }
}
// 控制臺打印:
Optional("zhangsan") Optional(20)
Optional("lisi") Optional(18)
Optional("wangwu") Optional(25)

三傀履、上面用到的兩個方法

/// 字典 -> 模型
///
/// - Parameters:
///   - type: 類型
///   - data: 字典數(shù)據(jù)
/// - Returns: 模型結(jié)果
/// - Throws: 錯誤處理
func JSONModel<T>(_ type: T.Type, withKeyValues data:[String:Any]) throws -> T where T: Decodable {
    let jsonData = try JSONSerialization.data(withJSONObject: data, options: [])
    let model = try JSONDecoder().decode(type, from: jsonData)
    return model
}

/// 字典數(shù)組 -> 模型數(shù)組
///
/// - Parameters:
///   - type: 類型
///   - datas: 字典組數(shù)
/// - Returns: 模型數(shù)組結(jié)果
/// - Throws: 錯誤處理
func JSONModels<T>(_ type: T.Type, withKeyValuesArray datas: [[String:Any]]) throws -> [T]  where T: Decodable {
    var temp: [T] = []
    for data in datas {
        let model = try JSONModel(type, withKeyValues: data)
        temp.append(model)
    }
    return temp
}
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市蛮穿,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌毁渗,老刑警劉巖践磅,帶你破解...
    沈念sama閱讀 216,496評論 6 501
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異灸异,居然都是意外死亡府适,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,407評論 3 392
  • 文/潘曉璐 我一進店門肺樟,熙熙樓的掌柜王于貴愁眉苦臉地迎上來檐春,“玉大人,你說我怎么就攤上這事么伯∨迸” “怎么了?”我有些...
    開封第一講書人閱讀 162,632評論 0 353
  • 文/不壞的土叔 我叫張陵田柔,是天一觀的道長俐巴。 經(jīng)常有香客問我,道長硬爆,這世上最難降的妖魔是什么欣舵? 我笑而不...
    開封第一講書人閱讀 58,180評論 1 292
  • 正文 為了忘掉前任,我火速辦了婚禮缀磕,結(jié)果婚禮上缘圈,老公的妹妹穿的比我還像新娘劣光。我一直安慰自己,他們只是感情好糟把,可當(dāng)我...
    茶點故事閱讀 67,198評論 6 388
  • 文/花漫 我一把揭開白布赎线。 她就那樣靜靜地躺著,像睡著了一般糊饱。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上颠黎,一...
    開封第一講書人閱讀 51,165評論 1 299
  • 那天另锋,我揣著相機與錄音,去河邊找鬼狭归。 笑死夭坪,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的过椎。 我是一名探鬼主播室梅,決...
    沈念sama閱讀 40,052評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼疚宇!你這毒婦竟也來了亡鼠?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 38,910評論 0 274
  • 序言:老撾萬榮一對情侶失蹤敷待,失蹤者是張志新(化名)和其女友劉穎间涵,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體榜揖,經(jīng)...
    沈念sama閱讀 45,324評論 1 310
  • 正文 獨居荒郊野嶺守林人離奇死亡勾哩,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,542評論 2 332
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了举哟。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片思劳。...
    茶點故事閱讀 39,711評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖妨猩,靈堂內(nèi)的尸體忽然破棺而出潜叛,到底是詐尸還是另有隱情,我是刑警寧澤册赛,帶...
    沈念sama閱讀 35,424評論 5 343
  • 正文 年R本政府宣布钠导,位于F島的核電站,受9級特大地震影響森瘪,放射性物質(zhì)發(fā)生泄漏牡属。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,017評論 3 326
  • 文/蒙蒙 一扼睬、第九天 我趴在偏房一處隱蔽的房頂上張望逮栅。 院中可真熱鬧悴势,春花似錦、人聲如沸措伐。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,668評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽侥加。三九已至捧存,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間担败,已是汗流浹背昔穴。 一陣腳步聲響...
    開封第一講書人閱讀 32,823評論 1 269
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留提前,地道東北人吗货。 一個月前我還...
    沈念sama閱讀 47,722評論 2 368
  • 正文 我出身青樓,卻偏偏與公主長得像狈网,于是被迫代替她去往敵國和親宙搬。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,611評論 2 353

推薦閱讀更多精彩內(nèi)容

  • 這是16年5月份編輯的一份比較雜亂適合自己觀看的學(xué)習(xí)記錄文檔拓哺,今天18年5月份再次想寫文章勇垛,發(fā)現(xiàn)簡書還為我保存起的...
    Jenaral閱讀 2,752評論 2 9
  • Spring Cloud為開發(fā)人員提供了快速構(gòu)建分布式系統(tǒng)中一些常見模式的工具(例如配置管理,服務(wù)發(fā)現(xiàn)拓售,斷路器窥摄,智...
    卡卡羅2017閱讀 134,651評論 18 139
  • 1.ios高性能編程 (1).內(nèi)層 最小的內(nèi)層平均值和峰值(2).耗電量 高效的算法和數(shù)據(jù)結(jié)構(gòu)(3).初始化時...
    歐辰_OSR閱讀 29,372評論 8 265
  • Swift1> Swift和OC的區(qū)別1.1> Swift沒有地址/指針的概念1.2> 泛型1.3> 類型嚴(yán)謹(jǐn) 對...
    cosWriter閱讀 11,097評論 1 32
  • 你可知道你的名字 解釋了我的一生 碎了漫天的往事如煙 與世無爭 當(dāng)你裝滿行李回到故鄉(xiāng) 我的余生卻再也沒有北方 ...
    未名莊三少爺閱讀 395評論 5 10