当前位置:首页 > 文章列表 > 文章 > java教程 > Java对象深拷贝与浅拷贝区别及实现方法

Java对象深拷贝与浅拷贝区别及实现方法

2025-12-14 08:47:29 0浏览 收藏

学习知识要善于思考,思考,再思考!今天golang学习网小编就给大家带来《Java对象深拷贝与浅拷贝实现方法》,以下内容主要包含等知识点,如果你正在学习或准备学习文章,就都不要错过本文啦~让我们一起来看看吧,能帮助到你就更好了!

浅拷贝复制对象但共享引用,深拷贝递归复制所有引用对象实现完全独立。Java中通过实现Cloneable接口重写clone()方法可进行浅拷贝;深拷贝可通过重写clone()手动复制引用对象、序列化反序列化或使用Gson等第三方库实现。基本类型和不可变对象可用浅拷贝,含可变引用时应选深拷贝,频繁操作时优先考虑性能更优的手动实现或工具库。

在Java中如何实现对象的深拷贝与浅拷贝_OOP对象复制实践经验

在Java中实现对象的复制,主要分为浅拷贝(Shallow Copy)和深拷贝(Deep Copy)。理解它们的区别并正确使用,是面向对象编程中处理对象复制的关键。

浅拷贝:只复制基本类型,引用类型共享

浅拷贝会创建一个新对象,但其内部的引用类型字段仍然指向原对象中的同一个引用。这意味着修改拷贝对象中的引用对象会影响原对象。

Java中通过实现 Cloneable 接口并重写 clone() 方法可实现浅拷贝:

public class Person implements Cloneable {
    private String name;
    private Address address;

    public Person clone() {
        try {
            return (Person) super.clone();
        } catch (CloneNotSupportedException e) {
            throw new RuntimeException(e);
        }
    }

    // getter 和 setter 省略
}

上面代码中,super.clone() 是Object类提供的本地方法,执行的是浅拷贝。如果 address 是一个对象,那么拷贝后的Person实例与原实例共享同一个Address对象。

深拷贝:完全独立的副本

深拷贝不仅复制对象本身,还会递归复制所有引用的对象,确保两个对象之间没有任何引用上的关联。

实现深拷贝有以下几种常用方式:

1. 重写 clone() 方法并手动深拷贝引用对象

public class Person implements Cloneable {
    private String name;
    private Address address;

    public Person clone() {
        try {
            Person cloned = (Person) super.clone();
            cloned.address = this.address.clone(); // 假设 Address 也实现了 Cloneable
            return cloned;
        } catch (CloneNotSupportedException e) {
            throw new RuntimeException(e);
        }
    }
}

注意:Address 类也需要实现 Cloneable 并重写 clone() 方法。

2. 使用序列化实现深拷贝

将对象序列化为字节流再反序列化,可以实现真正的深拷贝,适用于复杂对象结构。

public static  T deepCopy(T obj) {
    try {
        ByteArrayOutputStream bos = new ByteArrayOutputStream();
        ObjectOutputStream oos = new ObjectOutputStream(bos);
        oos.writeObject(obj);

        ByteArrayInputStream bis = new ByteArrayInputStream(bos.toByteArray());
        ObjectInputStream ois = new ObjectInputStream(bis);
        return (T) ois.readObject();
    } catch (Exception e) {
        throw new RuntimeException("深拷贝失败", e);
    }
}

要求:对象及其所有引用的对象都必须实现 Serializable 接口。

3. 使用第三方库(如 Gson、Jackson)进行 JSON 序列化

适用于数据对象,简单快捷:

Gson gson = new Gson();
Person copied = gson.fromJson(gson.toJson(original), Person.class);

这种方法依赖于字段的序列化/反序列化,不适用于包含方法逻辑或非标准类型的对象。

选择策略与实践建议

根据实际场景选择合适的拷贝方式:

  • 若对象仅包含基本类型或不可变对象(如String、Integer),浅拷贝足够安全。
  • 若对象包含可变引用类型(如List、自定义对象),应使用深拷贝。
  • 频繁拷贝时避免使用序列化,性能较低;推荐手动实现或使用高效工具库。
  • 使用 Lombok 的 @Data 注解时注意:@Data 自动生成的 toString、equals、hashCode 不包含 clone,仍需手动实现。

基本上就这些。掌握浅拷贝与深拷贝的本质区别,结合具体需求选择合适的方法,才能在OOP实践中安全高效地处理对象复制问题。

今天关于《Java对象深拷贝与浅拷贝区别及实现方法》的内容介绍就到此结束,如果有什么疑问或者建议,可以在golang学习网公众号下多多回复交流;文中若有不正之处,也希望回复留言以告知!

Windows10多键盘布局切换教程Windows10多键盘布局切换教程
上一篇
Windows10多键盘布局切换教程
Golang微服务故障降级方案解析
下一篇
Golang微服务故障降级方案解析
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。
    479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。
    535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。
    558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。
    507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。
    328次使用