Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com4. Dezember 2025 · Q010002

Little Swift Tip: 0.1*2 Steps Further to JSON Encoding/Decoding

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Artikel zeigt anhand von Swift- und Pokémon-Beispielen, wie `CodingKeys` und manuelle keyed Container JSON-Schlüssel anpassen, uneinheitliche Typen behandeln, fehlende Werte ersetzen und verschachtelte Daten auf flache Modelle abbilden können. Die Beispiele veranschaulichen die Techniken, bieten laut vorliegendem Bericht aber keine umfassende Test- oder Kompatibilitätsbewertung.

Mittel

Itsukis Artikel erklärt, wie Swift-Modelle mit `Codable` an JSON angepasst werden können, wenn die automatische Verarbeitung nicht ausreicht. Eigene `CodingKeys` erlauben, Eigenschaften aus dem JSON auszulassen oder sie unter abweichenden Schlüsseln zu speichern. Bei `@Observable`-Klassen sollen sie außerdem interne Speichernamen wie `_name` auf die gewünschten JSON-Namen abbilden.

Für Sonderfälle beschreibt der Autor manuelle Kodierung und Dekodierung mit keyed Containern: Coding Keys definieren, `encode(to:)` oder `init(from:)` implementieren, einen Container beziehen und die benötigten Werte einzeln verarbeiten. Die Beispiele behandeln drei Fälle: Ein Feld kann als Zahl oder als Zahlzeichenkette eintreffen; ein fehlendes Feld wie `types` kann durch einen Standardwert ersetzt werden; und verschachtelte JSON-Werte wie `size.weight` und `size.height` können als Eigenschaften auf oberster Ebene im Swift-Modell erscheinen.

Der Artikel nennt unkeyed Container für unbekannte Schlüssel und erwähnt berechnete Eigenschaften sowie `DynamicMemberLookup` als Alternativen zur manuellen Abbildung. Letztere sei laut Autor schwieriger zu debuggen und schlechter durch Compilerhinweise unterstützt. Die Aussagen werden anhand von Pokémon-Codebeispielen illustriert; eine umfassende Bewertung oder Testreihe enthält der Beitrag nicht.

Ausführlich lesen

Der Artikel von Itsuki zeigt, wie sich Swift-Modelle mit `Codable` an JSON anpassen lassen, wenn die automatische Kodierung und Dekodierung nicht genügt. Der Autor schätzt, dass die Standardkonformität für die meisten Fälle ausreicht; für Sonderfälle stellt er benutzerdefinierte `CodingKeys` sowie manuelle Implementierungen mit `KeyedEncodingContainer` und `KeyedDecodingContainer` vor. Die Beispiele verwenden durchgehend Pokémon-Daten.

Zunächst erläutert der Artikel eigene Coding Keys. Sie können Eigenschaften aus dem JSON auslassen oder andere JSON-Schlüsselnamen zuordnen. Im Beispiel wird `id` nicht serialisiert, während die Eigenschaft `index` unter dem Schlüssel `pokédexNumber` gespeichert wird. Der Artikel weist darauf hin, dass die Case-Namen der Coding-Key-Enum den Eigenschaften entsprechen müssen. Ausgelassene Eigenschaften benötigen einen Standardwert, damit die automatische `Decodable`- beziehungsweise `Codable`-Konformität weiterhin möglich ist.

Ein weiterer Anwendungsfall sind Klassen mit dem `@Observable`-Makro. Laut Beispiel erzeugt die automatische Kodierung Schlüssel wie `_name` und `_index` und nimmt außerdem den Observation-Registrar auf. Der Autor führt dies auf die interne Speicherung beobachteter Eigenschaften zurück. Mit eigenen Coding Keys, die die gespeicherten Namen auf `name` und `index` abbilden, soll das JSON stattdessen die gewünschten Eigenschaftsnamen enthalten.

Für manuelle Kodierung und Dekodierung beschreibt der Artikel vier Schritte: Coding Keys festlegen, `encode(to:)` und/oder `init(from:)` implementieren, einen passenden Container vom Encoder oder Decoder beziehen und die gewünschten Schlüssel einzeln kodieren oder dekodieren. Anschließend führt er drei Situationen dafür an:

- **Uneinheitliche Datentypen:** `index` kann im JSON als Zahl oder als Zahlzeichenkette erscheinen. Die Dekodierung versucht zunächst, eine Zeichenkette in eine Ganzzahl umzuwandeln, und liest andernfalls direkt eine Ganzzahl. Der Autor merkt an, dass dieses Muster bei API-Antworten selten, bei JSON-Bodies von POST-Anfragen aber durchaus nützlich sein könne. Als mögliches Beispiel nennt er ein Versionsfeld, das neben einer Zahl auch den Wert `latest` annehmen könnte. - **Fehlende Werte mit Standardwert auffangen:** `decodeIfPresent` erlaubt es, eine fehlende Eigenschaft wie `types` beim Dekodieren durch eine leere Liste zu ersetzen. Im Beispiel bleibt `types` beim Kodieren enthalten. - **Verschachtelte JSON-Strukturen abbilden:** Die JSON-Daten enthalten `weight` und `height` innerhalb von `size`, das Swift-Modell führt beide Werte jedoch als Eigenschaften auf oberster Ebene. Ein verschachtelter Container übernimmt das Lesen und Schreiben der Werte.

Der Artikel erwähnt auch unkeyed Container, etwa für Daten, deren Schlüssel nicht im Voraus bekannt sind. Für die Modellierung flacher Eigenschaften nennt er berechnete Eigenschaften mit Getter und Setter sowie `DynamicMemberLookup` als Alternativen. Letztere bewertet er als schwieriger zu debuggen und mit weniger hilfreichen Compilerhinweisen. Der Beitrag demonstriert die Ansätze anhand von Codebeispielen; er enthält keine systematische Leistungsbewertung, Kompatibilitätsanalyse oder umfassenden Tests der gezeigten Varianten.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas Zusammenfassung liegt in zwei Fassungen vor. Das Schema erlaubt nur eine Bewertung, daher wurde die mittlere Fassung geprüft. Die kurze Fassung ist ebenfalls treu, nennt die drei Anwendungsfälle und die Observable-Details aber nur allgemein. Da keine Sammel- oder Teilfragen angegeben sind, bleibt die Einordnung leer.

Im Bericht, aber nicht in der Zusammenfassung

  • Der Autor sagt, dass Codable in etwa 99,98 % der Fälle mit der Standardkonformität ausreicht und eigene Implementierungen nur in den restlichen 0,02 % nötig sind
  • Ausgelassene Eigenschaften wie id brauchen einen Standardwert, damit die automatische Dekodierung funktioniert
  • Die Begründung für das Observable-Problem: Das Macro verfolgt die Property-Wrapper-Werte, und die Speichernamen wie _name weichen davon ab
  • Das Praxisbeispiel eines POST-Requests mit einem version-Feld, das auch den Wert latest akzeptieren soll

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle

Kein Modell sieht bei diesem Bericht einen Bezug zu einer der 44 Sammelfragen.

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →