具有自定义表示的 Scala 中 ADT 的通用派生

Question

我在这里转述 a question from the circe Gitter channel。

假设我有一个像这样的 Scala 密封特征层次结构（或 ADT）：

sealed trait Item
case class Cake(flavor: String, height: Int) extends Item
case class Hat(shape: String, material: String, color: String) extends Item

…我希望能够在这个 ADT 和 JSON 表示之间来回映射，如下所示：

{ "tag": "Cake", "contents": ["cherry", 100] }
{ "tag": "Hat", "contents": ["cowboy", "felt", "black"] }

默认情况下，circe 的泛型派生使用不同的表示：

scala> val item1: Item = Cake("cherry", 100)
item1: Item = Cake(cherry,100)

scala> val item2: Item = Hat("cowboy", "felt", "brown")
item2: Item = Hat(cowboy,felt,brown)

scala> import io.circe.generic.auto._, io.circe.syntax._
import io.circe.generic.auto._
import io.circe.syntax._

scala> item1.asJson.noSpaces
res0: String = {"Cake":{"flavor":"cherry","height":100}}

scala> item2.asJson.noSpaces
res1: String = {"Hat":{"shape":"cowboy","material":"felt","color":"brown"}}

我们可以通过 circe-generic-extras 更进一步：

import io.circe.generic.extras.Configuration
import io.circe.generic.extras.auto._

implicit val configuration: Configuration =
   Configuration.default.withDiscriminator("tag")

然后：

scala> item1.asJson.noSpaces
res2: String = {"flavor":"cherry","height":100,"tag":"Cake"}

scala> item2.asJson.noSpaces
res3: String = {"shape":"cowboy","material":"felt","color":"brown","tag":"Hat"}

……但还是不是我们想要的。

使用 circe 为 Scala 中的 ADT 派生此类实例的最佳方法是什么？

Answer 1

将大小写 classes 表示为 JSON 数组

首先要注意的是，circe-shapes 模块为 Shapeless 的 HLists 提供了实例，这些实例使用数组表示形式，就像我们为案例 classes 想要的那样。例如：

scala> import io.circe.shapes._
import io.circe.shapes._

scala> import shapeless._
import shapeless._

scala> ("foo" :: 1 :: List(true, false) :: HNil).asJson.noSpaces
res4: String = ["foo",1,[true,false]]

…Shapeless 本身提供了 case classes 和 HLists 之间的通用映射。我们可以将这两者结合起来以获得我们想要的 case classes:

的通用实例

import io.circe.{ Decoder, Encoder }
import io.circe.shapes.HListInstances
import shapeless.{ Generic, HList }

trait FlatCaseClassCodecs extends HListInstances {
  implicit def encodeCaseClassFlat[A, Repr <: HList](implicit
    gen: Generic.Aux[A, Repr],
    encodeRepr: Encoder[Repr]
  ): Encoder[A] = encodeRepr.contramap(gen.to)

  implicit def decodeCaseClassFlat[A, Repr <: HList](implicit
    gen: Generic.Aux[A, Repr],
    decodeRepr: Decoder[Repr]
  ): Decoder[A] = decodeRepr.map(gen.from)
}

object FlatCaseClassCodecs extends FlatCaseClassCodecs

然后：

scala> import FlatCaseClassCodecs._
import FlatCaseClassCodecs._

scala> Cake("cherry", 100).asJson.noSpaces
res5: String = ["cherry",100]

scala> Hat("cowboy", "felt", "brown").asJson.noSpaces
res6: String = ["cowboy","felt","brown"]

请注意，我正在使用 io.circe.shapes.HListInstances 将我们需要的圆圈形状的实例与我们的自定义案例 class 实例捆绑在一起，以最大程度地减少用户的数量必须导入（无论是出于人体工程学还是为了缩短编译时间）。

对我们的 ADT 的通用表示进行编码

这是很好的第一步，但它并没有让我们得到我们想要的 Item 本身的表示。为此，我们需要一些更复杂的机器：

import io.circe.{ JsonObject, ObjectEncoder }
import shapeless.{ :+:, CNil, Coproduct, Inl, Inr, Witness }
import shapeless.labelled.FieldType

trait ReprEncoder[C <: Coproduct] extends ObjectEncoder[C]

object ReprEncoder {
  def wrap[A <: Coproduct](encodeA: ObjectEncoder[A]): ReprEncoder[A] =
    new ReprEncoder[A] {
      def encodeObject(a: A): JsonObject = encodeA.encodeObject(a)
    }

  implicit val encodeCNil: ReprEncoder[CNil] = wrap(
    ObjectEncoder.instance[CNil](_ => sys.error("Cannot encode CNil"))
  )

  implicit def encodeCCons[K <: Symbol, L, R <: Coproduct](implicit
    witK: Witness.Aux[K],
    encodeL: Encoder[L],
    encodeR: ReprEncoder[R]
  ): ReprEncoder[FieldType[K, L] :+: R] = wrap[FieldType[K, L] :+: R](
    ObjectEncoder.instance {
      case Inl(l) => JsonObject("tag" := witK.value.name, "contents" := (l: L))
      case Inr(r) => encodeR.encodeObject(r)
    }
  )
}

这告诉我们如何编码 Coproduct 的实例，Shapeless 在 Scala 中将其用作密封特征层次结构的通用表示。该代码起初可能令人生畏，但它是一种非常常见的模式，如果您花大量时间使用 Shapeless，您会发现该代码的 90% 本质上是样板文件，您在任何时候像这样以归纳方式构建实例时都会看到这些样板文件。

解码这些副产品

解码实现甚至更差一点，但遵循相同的模式：

import io.circe.{ DecodingFailure, HCursor }
import shapeless.labelled.field

trait ReprDecoder[C <: Coproduct] extends Decoder[C]

object ReprDecoder {
  def wrap[A <: Coproduct](decodeA: Decoder[A]): ReprDecoder[A] =
    new ReprDecoder[A] {
      def apply(c: HCursor): Decoder.Result[A] = decodeA(c)
    }

  implicit val decodeCNil: ReprDecoder[CNil] = wrap(
    Decoder.failed(DecodingFailure("CNil", Nil))
  )

  implicit def decodeCCons[K <: Symbol, L, R <: Coproduct](implicit
    witK: Witness.Aux[K],
    decodeL: Decoder[L],
    decodeR: ReprDecoder[R]
  ): ReprDecoder[FieldType[K, L] :+: R] = wrap(
    decodeL.prepare(_.downField("contents")).validate(
      _.downField("tag").focus
        .flatMap(_.as[String].right.toOption)
        .contains(witK.value.name),
      witK.value.name
    )
    .map(l => Inl[FieldType[K, L], R](field[K](l)))
    .or(decodeR.map[FieldType[K, L] :+: R](Inr(_)))
  )
}

一般来说，我们的 Decoder 实现中会涉及更多的逻辑，因为每个解码步骤都可能失败。

我们的 ADT 代表

现在我们可以把它们打包在一起了：

import shapeless.{ LabelledGeneric, Lazy }

object Derivation extends FlatCaseClassCodecs {
  implicit def encodeAdt[A, Repr <: Coproduct](implicit
    gen: LabelledGeneric.Aux[A, Repr],
    encodeRepr: Lazy[ReprEncoder[Repr]]
  ): ObjectEncoder[A] = encodeRepr.value.contramapObject(gen.to)

  implicit def decodeAdt[A, Repr <: Coproduct](implicit
    gen: LabelledGeneric.Aux[A, Repr],
    decodeRepr: Lazy[ReprDecoder[Repr]]
  ): Decoder[A] = decodeRepr.value.map(gen.from)
}

这看起来与我们上面 FlatCaseClassCodecs 中的定义非常相似，并且想法是相同的：我们正在为我们的数据类型（大小写 classes 或 ADT）定义实例建立在这些数据类型的通用表示的实例之上。请注意，我再次扩展 FlatCaseClassCodecs，以尽量减少用户的导入。

在行动

现在我们可以像这样使用这些实例：

scala> import Derivation._
import Derivation._

scala> item1.asJson.noSpaces
res7: String = {"tag":"Cake","contents":["cherry",100]}

scala> item2.asJson.noSpaces
res8: String = {"tag":"Hat","contents":["cowboy","felt","brown"]}

...这正是我们想要的。最好的部分是，这将适用于 Scala 中的任何密封特征层次结构，无论它有多少 case classes 或这些 case classes 有多少成员（尽管编译时间将开始假设所有成员类型都有 JSON 表示。

具有自定义表示的 Scala 中 ADT 的通用派生

Generic derivation for ADTs in Scala with a custom representation

json

scala

circe

generic-derivation

将大小写 classes 表示为 JSON 数组

对我们的 ADT 的通用表示进行编码

解码这些副产品

我们的 ADT 代表

在行动