当前位置:首页 > 文章列表 > 文章 > 前端 > JS深拷贝方法与性能对比分析

JS深拷贝方法与性能对比分析

2025-11-16 12:24:38 0浏览 收藏

最近发现不少小伙伴都对文章很感兴趣,所以今天继续给大家介绍文章相关的知识,本文《JS实现深拷贝的几种方式与性能对比_javascript技巧》主要内容涉及到等等知识点,希望能帮到你!当然如果阅读本文时存在不同想法,可以在评论中表达,但是请勿使用过激的措辞~

深拷贝在JavaScript中用于完全复制对象,常见方法包括:1. JSON.parse(JSON.stringify()) 仅适用于纯数据对象,不支持函数、undefined、Symbol、Date等,且无法处理循环引用;2. 手写递归实现可支持多种类型并处理循环引用,但性能较低;3. Lodash的_.cloneDeep() 功能全面、稳定可靠,支持Map、Set等复杂类型,但需引入库;4. structuredClone() 为现代浏览器原生方法,性能好、语法简洁,支持多数类型但不兼容老版本。性能排序为:structuredClone() > JSON方法 > Lodash > 手写递归。选择应基于兼容性、数据类型和性能需求。

JS实现深拷贝的几种方式与性能对比_javascript技巧

深拷贝是 JavaScript 中处理对象复制的重要操作,尤其在状态管理、数据缓存等场景中非常常见。实现方式多种多样,每种方法各有优劣,性能差异也较大。下面介绍几种常见的 JS 深拷贝实现方式,并进行简单性能对比。

1. JSON.parse(JSON.stringify())

这是最简单的深拷贝方法,适用于纯数据对象(不包含函数、undefined、Symbol、Date、RegExp 等)。

优点: 代码简洁,兼容性好。
缺点:
  • 无法处理函数、undefined、Symbol
  • Date 对象会被转为字符串
  • RegExp、Error 对象会变成空对象
  • 循环引用会报错
  • Map、Set、Buffer 等特殊类型不支持

使用示例:

const obj = { a: 1, b: { c: 2 } };
const copy = JSON.parse(JSON.stringify(obj));

2. 递归实现深拷贝

通过递归遍历对象属性,手动复制每一层,可处理大部分类型。

基本思路: 判断数据类型,对对象和数组递归处理,其他类型直接返回。

支持类型: 对象、数组、Date、RegExp、基本类型

注意点: 需要处理循环引用,避免无限递归。

简易实现:

function deepClone(obj, hash = new WeakMap()) {
  if (obj === null || typeof obj !== 'object') return obj;
  if (hash.has(obj)) return hash.get(obj); // 处理循环引用

let clone; if (obj instanceof Date) { clone = new Date(obj); } else if (obj instanceof RegExp) { clone = new RegExp(obj); } else { clone = Array.isArray(obj) ? [] : {}; }

hash.set(obj, clone); for (let key in obj) { if (obj.hasOwnProperty(key)) { clone[key] = deepClone(obj[key], hash); } } return clone; }

优点: 可定制性强,支持复杂类型和循环引用。
缺点: 代码较复杂,性能不如原生方法。

3. 使用 Lodash 的 _.cloneDeep()

Lodash 提供了成熟的 _.cloneDeep() 方法,功能完整,兼容性好。

优点:
  • 支持几乎所有 JS 类型(包括 Map、Set、WeakMap、WeakSet)
  • 自动处理循环引用
  • 经过充分测试,稳定可靠
缺点: 需引入第三方库,增加包体积。

使用示例:

const _ = require('lodash');
const copied = _.cloneDeep(obj);

4. structuredClone()(现代浏览器)

HTML Standard 提供的 structuredClone() 方法,原生支持深拷贝。

该方法支持:对象、数组、Date、RegExp、ArrayBuffer、TypedArray、Map、Set、Blob、FileList 等。

限制: 不支持函数、Error、DOM 节点。

使用示例:

const copied = structuredClone(obj);

优点: 原生支持,性能优秀,语法简洁。
缺点: 浏览器兼容性有限(Chrome 100+,Node.js 17+),不支持函数。

性能对比(简要)

在中等复杂度对象上进行 10000 次拷贝测试,大致性能排序(从快到慢):

  1. structuredClone() - 原生实现,最快
  2. JSON.parse(JSON.stringify()) - 快但有类型限制
  3. Lodash cloneDeep - 功能全,速度尚可
  4. 手写递归 - 取决于实现,一般较慢

对于大数据量或高频调用场景,建议优先考虑 structuredClone() 或 JSON 方法(若数据纯净)。

基本上就这些。选择哪种方式取决于你的项目环境、数据结构复杂度以及性能要求。兼容老浏览器时,Lodash 是稳妥选择;新项目可大胆使用 structuredClone。自己实现适合学习原理,生产环境慎用。

终于介绍完啦!小伙伴们,这篇关于《JS深拷贝方法与性能对比分析》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识,快来关注吧!

Docker查看Python版本的几种方法Docker查看Python版本的几种方法
上一篇
Docker查看Python版本的几种方法
Golang反射实现对象拷贝工具详解
下一篇
Golang反射实现对象拷贝工具详解
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    395次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    473次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    479次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    423次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    249次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码