JSON二进制表示、类型恢复及BSON相关技术疑问咨询

JSON的二进制表示 #

JSON本质是文本格式，序列化后的二进制形式就是它的UTF-8编码（JSON规范推荐使用UTF-8，也是业界最常用的实现）。举个例子：

• 数字5序列化后就是UTF-8字符'5'（十六进制0x35）
• 字符串"5"序列化后是'"'（0x22） + '5' + '"'的UTF-8字节序列

注意：JSON语法要求字符串必须用双引号包裹，单引号'5'属于不合法的JSON格式。

反序列化如何恢复数据类型 #

反序列化不是单纯靠“有无引号”瞎推断，而是严格遵循JSON的语法规则做解析：

• 解析器会按顺序扫描字符，识别不同类型的语法特征：
  • 无引号包裹、符合数字语法（可选正负号、整数/小数结构、可选指数部分）的内容，会被判定为数字类型
  • 双引号包裹的内容直接识别为字符串
  • 同时还会精准识别true/false/null、数组[]、对象{}等其他类型
• 现代JSON解析器（比如浏览器的JSON.parse、Python的json模块）都是高度优化的实现，采用状态机或编译后的解析逻辑处理，速度非常快，完全不存在“相当缓慢”的问题。

BSON的核心差异 #

BSON是专门设计的二进制序列化格式，和JSON的核心区别在于：

• BSON会给每个字段附加一个类型标识字节，比如用0x01表示双精度数，0x02表示字符串
• 反序列化时直接读取类型标识就能确定数据类型，不需要像JSON那样解析文本语法，在大数据量场景下性能更优，这也是MongoDB选择BSON作为存储格式的原因之一。

内容的提问来源于stack exchange，提问作者user12582392