C++轻量JSON序列化器通过宏+模板元编程在编译期模拟反射：用REFLECTABLE宏声明字段，to_json模板递归展开元组生成JSON，支持嵌套结构体、基础类型及容器特化，零运行时开销。
用 C++ 实现一个轻量 JSON 序列化器，核心不靠运行时反射（标准 C++ 没有原生反射），而是靠 模板元编程 + 宏 + 类型特征 在编译期“模拟”结构体字段遍历。下面是一个实用、可扩展、无第三方依赖的实现思路和关键代码。
1. 用宏定义结构体可序列化契约
让每个需序列化的 struct 显式声明字段列表，这是最可控、零开销的方式：
#define REFLECTABLE(...) \
constexpr auto reflect() const { return std::make_tuple(__VA_ARGS__); } \
static constexpr auto reflect_names() { return std::make_tuple(#__VA_ARGS__); }
然后这样使用：
struct Person {
std::string name;
int age;
bool is_student;
<pre class="brush:php;toolbar:false;">REFLECTABLE(name, age, is_student)};
宏展开后，reflect() 返回字段引用元组，reflect_names() 返回对应字段名字符串元组 —— 编译期就确定，无 RTTI 开销。
立即学习“C++免费学习笔记（深入）”；
2. 递归展开元组并生成 JSON 字符串
写一个模板函数，对任意支持 reflect() 的类型做序列化：
Miller (mlr) 是一个命令行工具，用于查询、整形和重新格式化名称索引数据，如 CSV、TSV、JSON 和 JSON Lines。它将 awk、sed、cut、join 和 sort 的功能整合到一个专为结构化数据处理而构建的单一工具中。
template<typename T>
std::string to_json(const T& obj) {
std::string out = "{";
constexpr auto names = T::reflect_names();
constexpr auto values = std::tuple_size_v<decltype(names)>;
<pre class="brush:php;toolbar:false;">if constexpr (values > 0) {
auto tuple = obj.reflect();
auto append_field = [&](auto&& name, auto&& value, size_t i) {
out += "\"" + std::string(name) + "\":";
if constexpr (std::is_same_v<std::decay_t<decltype(value)>, std::string>) {
out += "\"" + value + "\"";
} else if constexpr (std::is_arithmetic_v<std::decay_t<decltype(value)>>) {
out += std::to_string(value);
} else if constexpr (has_reflect_v<decltype(value)>) {
out += to_json(value);
} else {
out += "null"; // 或 static_assert 不支持
}
if (i < values - 1) out += ",";
};
// 展开元组：用 index_sequence 遍历
std::apply([&](auto&&... args) {
size_t i = 0;
((append_field(std::get<i++>(names), args, i - 1)), ...);
}, obj.reflect());
}
out += "}";
return out;}
这里用了 C++17 折叠表达式 + std::apply，配合 index_sequence（可补全）实现安全元组遍历。关键点：
- 用
has_reflect_v类型特征判断嵌套类型是否也支持反射（通过 SFINAE 检测reflect()成员） - 基础类型（string/int/bool）直接转义或格式化；其他类型尝试递归
to_json - 所有逻辑在编译期决定分支，无虚函数、无 map 查表、无字符串解析开销
3. 支持基本类型与容器（可选增强）
为 std::vector、std::optional 等添加特化：
template<typename T>
std::string to_json(const std::vector<T>& v) {
std::string out = "[";
for (size_t i = 0; i < v.size(); ++i) {
out += to_json(v[i]);
if (i < v.size()-1) out += ",";
}
out += "]";
return out;
}
<p>template<typename T>
std::string to_json(const std::optional<T>& opt) {
if (opt.has_value()) return to_json(*opt);
return "null";
}
这些特化和主模板共存，ADL 或重载决议会自动选中最匹配版本。
4. 反序列化？用类似思路 + 字符串解析（极简版）
反序列化难度更高，但若只支持固定结构体，可借助 json_token_stream（手动跳过空白、识别 { : , 等）+ 字段名匹配：
template<typename T>
T from_json(const std::string& s) {
T obj;
auto tuple = obj.reflect();
auto names = T::reflect_names();
// 简化示意：按顺序从 JSON 中提取值（实际需解析 key-value 对）
// 例如：parse_object(s, [&](const std::string& key, const json_value& val) {
// if (key == "name") obj.name = val.as_string();
// else if (key == "age") obj.age = val.as_int();
// });
return obj;
}
生产环境建议用状态机或现有轻量 parser（如 json.hpp 单头文件），但本项目重点是展示如何用元编程把「字段映射」自动化，而非重复造 parser 轮子。
基本上就这些。它不依赖任何运行时反射库，也不用代码生成工具，纯 C++17 模板 + 宏，编译期完成结构分析，序列化性能接近手写，且类型安全。适合嵌入式、游戏、高频通信等对体积和性能敏感的场景。
