当前位置:首页 > 文章列表 > 文章 > 前端 > JavaScript深拷贝实现方案对比

JavaScript深拷贝实现方案对比

2026-03-01 17:19:44 0浏览 收藏
JavaScript深拷贝看似简单实则暗藏陷阱,本文深入剖析了JSON序列化、手动递归、结构化克隆和Lodash四大主流方案——从一行代码的便捷与局限,到手写逻辑对循环引用和特殊类型的精细掌控;从浏览器原生但异步受限的Structured Clone,到开箱即用却需权衡依赖的_.cloneDeep,每种方法都在性能、兼容性、灵活性和工程成本间做出不同取舍。无论你是处理纯数据的轻量需求,还是应对复杂状态管理的生产环境,读懂这些差异,才能避开“拷贝后仍相互影响”的隐形坑,真正实现对象的彻底隔离。

JavaScript实现深拷贝的几种方案对比_js编程实践

深拷贝在JavaScript中是一个常见但容易出错的操作。它指的是创建一个新对象,其属性和嵌套对象的值都与原对象完全独立。修改新对象不会影响原始对象。实现深拷贝有多种方式,每种都有其适用场景和局限性。下面介绍几种主流方法,并进行对比分析。

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

这是最简单、最常用的深拷贝方法之一。

优点:
  • 语法简洁,一行代码即可完成。
  • 能处理常见的数据类型:对象、数组、字符串、数字、布尔值等。
缺点:
  • 无法处理函数、undefined、Symbol,这些值会被忽略。
  • 不能复制循环引用,会报错。
  • Date对象会被转换为字符串。
  • Map、Set、RegExp等特殊对象无法正确复制。
  • 原型链上的属性不会被保留。

适合场景:仅用于纯数据对象(POJO),且不包含复杂类型或循环引用的情况。

2. 手动递归实现深拷贝

通过递归遍历对象属性,逐层复制。

示例代码:
function deepClone(obj, seen = new WeakMap()) {
  if (obj === null || typeof obj !== 'object') return obj;
  if (seen.has(obj)) return seen.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 if (Array.isArray(obj)) { clone = obj.map(item => deepClone(item, seen)); } else { clone = {}; seen.set(obj, clone); for (let key in obj) { if (obj.hasOwnProperty(key)) { clone[key] = deepClone(obj[key], seen); } } } return clone; }

优点:
  • 可自定义处理各种数据类型。
  • 支持循环引用(使用WeakMap)。
  • 灵活性高,可根据需求扩展。
缺点:
  • 代码量较大,需要考虑多种边界情况。
  • 手动维护类型判断逻辑,容易遗漏。

适合场景:需要精确控制拷贝行为,或处理复杂对象结构时。

3. 使用结构化克隆算法(Structured Clone)

HTML5提供的结构化克隆算法可用于深拷贝,可通过MessageChannel或postMessage间接使用。

示例:
function structuredClone(obj) {
  return new Promise(resolve => {
    const { port1, port2 } = new MessageChannel();
    port2.onmessage = e => resolve(e.data);
    port1.postMessage(obj);
  });
}
// 注意:需异步调用
structuredClone(obj).then(clone => { /* 使用clone */ });
优点:
  • 浏览器原生支持,性能较好。
  • 支持多数内置对象(Date、RegExp、Map、Set、Blob等)。
  • 自动处理循环引用。
缺点:
  • 不支持函数和undefined。
  • 必须异步调用,使用不便。
  • 某些类型仍受限(如Error对象、DOM节点)。

适合场景:在现代浏览器中处理复杂数据结构,且可以接受异步操作。

4. 利用第三方库(如 Lodash)

Lodash 提供了 _.cloneDeep 方法,功能完善且经过充分测试。

示例:
const _ = require('lodash');
const cloned = _.cloneDeep(obj);
优点:
  • 稳定可靠,覆盖大多数边缘情况。
  • 支持大量JavaScript类型(包括Map、Set、Date、RegExp等)。
  • 处理循环引用无压力。
缺点:
  • 引入额外依赖,增加包体积。
  • 对于简单项目可能“杀鸡用牛刀”。

适合场景:项目已使用Lodash,或对深拷贝稳定性要求极高。

总结对比

不同方案各有侧重:

  • JSON方法最轻便,但限制多,仅适用于简单数据。
  • 手动递归灵活可控,适合定制化需求。
  • 结构化克隆接近原生,但异步使用略麻烦。
  • Lodash等库最稳健,推荐在生产环境使用。

选择哪种方式,取决于你的具体需求:是否涉及复杂类型、是否有循环引用、是否允许异步、是否已有工具库等。

基本上就这些。理解每种方法的边界,才能在实际开发中做出合理选择。

好了,本文到此结束,带大家了解了《JavaScript深拷贝实现方案对比》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多文章知识!

删除所有空格技巧|快速清理文本方法删除所有空格技巧|快速清理文本方法
上一篇
删除所有空格技巧|快速清理文本方法
12306官网入口及在线购票教程
下一篇
12306官网入口及在线购票教程
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。
    336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。
    394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。
    388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。
    353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。
    176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