箭头函数仅简化函数定义，映射由map/flatMap/reduce等数组方法实现；需先理清JSON嵌套结构，再选用合适方法：flatMap用于多层扁平化，reduce用于聚合统计，并配合可选链与空值合并确保安全访问。
箭头函数本身不“处理”JSON映射，它只是简洁定义函数的方式；真正做映射的是 map()、flatMap()、reduce() 等数组方法，配合箭头函数让逻辑更紧凑。关键在于理解数据结构、明确映射目标，再用箭头函数写出清晰的转换逻辑。
先理清 JSON 结构和映射目标
复杂映射出错，八成是因为没看清原始数据嵌套层级或字段存在性。比如有如下用户订单数据：
{
"users": [
{
"id": 1,
"name": "张三",
"orders": [
{ "id": "ORD-001", "items": [{ "sku": "A001", "qty": 2 }], "status": "shipped" },
{ "id": "ORD-002", "items": [], "status": "pending" }
]
}
]
}
若目标是提取「每个用户每件商品的 SKU 和数量」，就得逐层展开：users → orders → items。这时别急着写箭头函数，先画出路径，再决定用 flatMap 还是嵌套 map。
用 flatMap 处理多层嵌套扁平化
当需要把 N 层子数组“摊开”成单层列表（如所有订单里的所有商品），flatMap 比 map + flat 更直接，且天然适配箭头函数：
立即学习“Java免费学习笔记（深入）”；
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。
-
错误写法（只 map 不 flat）：
data.users.map(u => u.orders.map(o => o.items))→ 得到二维数组套数组 -
正确写法（一步摊平）：
data.users.flatMap(u => u.orders.flatMap(o => o.items.map(i => ({ sku: i.sku, qty: i.qty, userId: u.id }))));
注意：内层也用箭头函数返回新对象，避免 mutate 原数据；对可能为空的 items，可加守卫：o.items?.map(...) || []。
用 reduce 做聚合型映射（如按状态分组统计）
如果目标不是生成新数组，而是归类、计数、求和等，reduce 更合适，箭头函数作为累加器逻辑非常清爽：
- 统计各订单状态的订单数：
data.users.flatMap(u => u.orders).reduce((acc, order) => { acc[order.status] = (acc[order.status] || 0) + 1; return acc; }, {}); - 提取所有唯一 SKU：
[...new Set(data.users.flatMap(u => u.orders.flatMap(o => o.items)).map(i => i.sku))];
这里箭头函数省略了 return 和花括号，但复杂逻辑建议显式写 return 并换行，提升可读性。
安全访问 + 默认值，避免运行时报错
真实 JSON 常有缺失字段（orders 为 null 或 undefined），直接链式访问会报错。结合可选链（?.）和空值合并（??）再写箭头函数：
u.orders?.map?.(o => o.items?.map?.(i => i.sku) ?? []) ?? []- 封装成工具函数复用：
const safeMap = (arr, fn) => Array.isArray(arr) ? arr.map(fn) : [];，再在箭头函数里调用：u => safeMap(u.orders, o => safeMap(o.items, i => ({ ...i, user: u.name })))
不依赖第三方库时，这类防御性写法比强行用箭头函数“炫技”更重要。
