当前位置:首页 > 文章列表 > Golang > Go教程 > Go json.Decoder 怎么保留 JSON 大整数而不先转成 float64

Go json.Decoder 怎么保留 JSON 大整数而不先转成 float64

来源:17golang原创 2026-11-05 08:23:56 0浏览 收藏

当 JSON 里的数字只是展示值时,默认解码通常够用;但当它是订单号、账务金额的最小单位,或者来自外部系统的长整型标识时,先把它放进 float64 就可能来不及挽回精度。对于标题中的场景,比较稳的做法是:创建 json.Decoder 后先调用 UseNumber,再 Decode 到 any。这样接口值里的数字会保留成 json.Number,等业务边界明确后再选择 String、Int64 或 Float64。

官方文档:https://pkg.go.dev/encoding/json#Decoder.UseNumber

这不是把所有数字都改成字符串,而是把“何时、按什么类型解释数字”的决定往后推。只有真正需要算术或写入固定类型时,才显式解析并处理范围错误。

先给这个模式取个名字:延迟数值解释

我在接收第三方 JSON 时,最容易踩的坑不是 JSON 语法,而是接口结构还没确定,数字的业务含义却已经被默认类型替我决定了。Decode(&value) 解到 any 后,普通数字默认进入 float64;一旦发生这个转换,后面再把它断言成整数,已经不是“恢复原文”,而是从浮点值重新猜一个整数。

因此可以把 UseNumber 看成一种很小的解析架构模式:输入层保留数字词面,领域层决定数字用途,存储层再落实成明确类型。它的价值不在于 API 多了一个方法,而在于把不可逆的类型转换推迟到了真正有上下文的地方。

技术图谱展示 json.Decoder 解码到 any 时默认 float64 与 UseNumber 保留 json.Number 的关系
图1:结构说明图,展示 json.Decoder、Decode(any)、默认 float64 与 UseNumber 的类型关系,不是运行截图。

什么压力下值得使用 UseNumber

这个模式适合“结构暂时未知,但数字精度不能由默认值替你决定”的输入。例如网关先接收一份不同版本的事件,审计层需要保留原始金额,或者规则引擎要先判断字段名再决定它是计数、比例还是标识符。此时先保存 json.Number,可以让后续代码看到数字的原始十进制文本。

它不等于所有 JSON 数字都应该这样处理。固定结构且字段就是 int64 的请求,可以直接用结构体字段接收;完全是人类展示用的测量值,直接解析为 float64 反而更简单。判断标准只有一个:当前这一层是否已经拥有足够信息来承担数值解释。

典型实现:先保留,再在边界解析

关键顺序只有一个:UseNumber 必须发生在 Decode 之前。它只影响解码到接口值时的数字表示,不会把已经声明为 int64 的结构体字段改成 json.Number。

package main

import (
    "encoding/json"
    "fmt"
    "strings"
)

func main() {
    payload := `{"order_id":9007199254740993,"ratio":0.125}`

    // 先保留数字文本,避免接口值默认落成 float64。
    dec := json.NewDecoder(strings.NewReader(payload))
    dec.UseNumber()

    var raw map[string]any
    if err := dec.Decode(&raw); err != nil {
        // 输入层先返回解码错误,不要拿半成品继续做业务判断。
        panic(err)
    }

    // 只有确认它是整数业务字段后,才在边界处解析并检查范围。
    orderID, ok := raw["order_id"].(json.Number)
    if !ok {
        panic("order_id 不是 JSON 数字")
    }
    id, err := orderID.Int64()
    if err != nil {
        // 超出 int64 或包含非整数形式时,显式拒绝而不是静默截断。
        panic(err)
    }
    fmt.Println(id)

这里的 order_id 最终选择了 Int64,因为它被当作有范围的整数。若它只是需要原样转发的外部标识,则可以保留 orderID.String(),不要为了方便比较而把它转成浮点数。

反例:先落成 float64,再尝试补救

不调用 UseNumber 时,解码到 map[string]any 的数字会默认使用 float64。IEEE 754 双精度只能无损表示连续的整数到 2^53 附近;更大的整数可能与相邻数共享同一个浮点表示。比如 9007199254740993 这样的值,经过浮点转换后就不能再保证恢复为原始文本。

var raw map[string]any

// 这里没有 UseNumber,接口值里的 JSON 数字按默认规则变成 float64。
if err := json.Unmarshal([]byte(`{"order_id":9007199254740993}`), &raw); err != nil {
    // 解析失败时立即返回,避免把错误数据交给后续流程。
    panic(err)
}

value, ok := raw["order_id"].(float64)
if !ok {
    panic("order_id 不是默认的 float64")
}
fmt.Printf("%.0f\n", value) // 显示出的整数不再等价于输入文本

这个反例的重点不是某个打印结果,而是信息损失的时机:从十进制文本到 float64 是一次可能不可逆的解释。之后再做 int64(value),只能得到当前浮点值对应的整数,不能证明它就是 JSON 中原来的整数。

后果:保留精度,也要承担显式选择

json.Number 是字符串形态的数字表示,既能通过 String 保留词面,也能通过 Int64 或 Float64 主动转换。这个设计把风险从“默认悄悄转换”变成“调用者必须选择结果”,代价是每个业务分支都要写清范围和错误处理。

场景建议表示需要承担的判断
未知结构、需要转发json.Number / String()不要把标识符当数值计算
确定是有符号整数Int64()检查格式与 int64 范围错误
确定需要近似计算Float64()接受精度边界并处理解析错误
固定请求结构结构体的 int64 字段让解码器直接按目标类型校验

还要留意一个容易混淆的边界:UseNumber 不会自动把数字变成精确的任意精度整数,也不会替你决定金额单位。需要更大范围时,应该在保留词面后接入明确的高精度类型或业务校验;需要金额时,则应先确定分、厘等单位和舍入规则。

技术图谱展示 json.Number 通过 String、Int64、Float64 进入业务字段并可能产生范围错误
图2:关系说明图,展示 json.Number 到 String、Int64、Float64 和业务字段的静态关系,不是运行结果截图。

最后用一张判断清单收口

  • 是否把 JSON 解码到了 any、map[string]any 或 []any?是的话,先确认默认数字类型是否可接受。
  • 是否存在超过 2^53 的整数、长整型标识或需要原样转发的数字?有的话,在 Decode 前调用 UseNumber。
  • 拿到 json.Number 后,当前字段是标识符、整数、浮点值还是仅需展示?按这个业务语义选择方法。
  • Int64 和 Float64 的错误是否被处理?不要把解析错误当作零值继续写入。
  • 结构固定时,是否可以直接声明目标类型?如果可以,优先让结构体字段承担输入契约。

一句话总结:UseNumber 解决的是“不要在未知结构层过早解释数字”,不是“所有数字都不许转成浮点”。把解释推迟到拥有业务上下文的边界,再用明确的类型和错误处理完成转换,才是保留大整数的完整做法。

常见延伸问题

UseNumber 会影响结构体里的 int64 字段吗?

不会。它主要改变解码到接口值时数字的表示;结构体字段仍按字段声明的目标类型解码,并在不匹配或越界时返回错误。

json.Number 能直接参与加法吗?

不能。它是字符串形态的数字类型,应先按业务选择 Int64、Float64 或其他高精度解析方式,并处理返回的错误。

只想保存订单号,应该用 Int64 还是 String?

如果订单号只是不可计算的外部标识,优先保留 String() 或在输入契约中使用字符串;只有确实需要整数比较、范围校验或数值运算时,才使用 Int64。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Go embed.FS 读取嵌入目录时路径为什么必须使用斜杠Go embed.FS 读取嵌入目录时路径为什么必须使用斜杠
上一篇
Go embed.FS 读取嵌入目录时路径为什么必须使用斜杠
Go csv.Reader 怎么导入列数不固定的记录并保留错误信息
下一篇
Go csv.Reader 怎么导入列数不固定的记录并保留错误信息
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。
    891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。
    891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。
    974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。
    960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。
    785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