ABAP JSON解析

发表于 更新于 分类于 ， 阅读次数： 本文字数： 1.1k 阅读时长 ≈ 4 分钟

ABAP JSON解析

概述

在 ABAP 中，可以使用标准类 /ui2/cl_json 进行 JSON 数据的序列化和反序列化操作，实现 ABAP 数据结构与 JSON 字符串之间的相互转换。

ℹ️类说明
/ui2/cl_json 是 SAP 提供的标准工具类，支持：
  • ABAP 结构/内表 → JSON 字符串（序列化）
  • JSON 字符串 → ABAP 结构/内表（反序列化）

序列化 serialize

使用 /ui2/cl_json=>serialize 方法将 ABAP 结构或内表转换为 JSON 字符串。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
DATA: lv_json TYPE string,
      ls_data TYPE my_structure.

" 填充数据
ls_data-field1 = 'Value1'.
ls_data-field2 = 'Value2'.

" 序列化为 JSON
lv_json = /ui2/cl_json=>serialize(
    data        = ls_data
    pretty_name = /ui2/cl_json=>pretty_mode-none
).

" 输出结果
WRITE: / lv_json.
" 结果: {"FIELD1":"Value1","FIELD2":"Value2"}

参数说明

参数 类型 说明
data 任意 要序列化的 ABAP 数据对象（结构或内表）
pretty_name ENUM JSON 字段命名格式模式
compress CHAR 是否压缩输出（X=压缩, =格式化）
assoc_arrays CHAR 是否保持数组顺序

pretty_name 字段名格式

模式 说明 示例
pretty_mode-none 保持原始字段名 FIELD_NAME → FIELD_NAME
pretty_mode-low_case 字段名转为小写 FIELD_NAME → field_name
pretty_mode-camel_case 字段名转为驼峰命名 FIELD_NAME → fieldName

格式对比示例

1
2
3
4
5
6
7
8
9
10
" 原始 ABAP 结构字段: DOC_TYPE, DOC_ID, CREATED_AT

" pretty_mode-none
{"DOC_TYPE":"INV","DOC_ID":"12345","CREATED_AT":"2026-04-23"}

" pretty_mode-low_case
{"doc_type":"INV","doc_id":"12345","created_at":"2026-04-23"}

" pretty_mode-camel_case
{"DocType":"INV","DocId":"12345","CreatedAt":"2026-04-23"}

反序列化 deserialize

使用 /ui2/cl_json=>deserialize 方法将 JSON 字符串转换回 ABAP 数据结构。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
DATA: lv_json TYPE string,
      ls_data TYPE my_structure.

" JSON 字符串
lv_json = `{"FIELD1":"Value1","FIELD2":"Value2"}`.

" 反序列化为结构
/ui2/cl_json=>deserialize(
    EXPORTING
        json        = lv_json
        pretty_name = /ui2/cl_json=>pretty_mode-none
    CHANGING
        data        = ls_data
).

" 使用数据
WRITE: / ls_data-field1, ls_data-field2.

参数说明

参数 类型 说明
json STRING 要反序列化的 JSON 字符串
pretty_name ENUM JSON 字段命名格式（需与序列化时一致）
data 任意 接收数据的 ABAP 数据对象（CHANGING 参数）
⚠️类型匹配
确保目标结构/内表的字段类型与 JSON 数据匹配，否则可能导致：
  • 转换失败
  • 数据丢失
  • 类型不兼容错误

完整示例

示例1: 基础序列化/反序列化

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
TYPES: BEGIN OF ts_person,
         name  TYPE string,
         age   TYPE i,
         email TYPE string,
       END OF ts_person.

DATA: ls_person TYPE ts_person,
      lt_person TYPE STANDARD TABLE OF ts_person,
      lv_json   TYPE string.

" 序列化：结构 → JSON
ls_person-name  = '张三'.
ls_person-age   = 30.
ls_person-email = 'zhangsan@example.com'.

lv_json = /ui2/cl_json=>serialize(
    data        = ls_person
    pretty_name = /ui2/cl_json=>pretty_mode-camel_case
).
" 结果: {"Name":"张三","Age":30,"Email":"zhangsan@example.com"}

" 反序列化：JSON → 结构
CLEAR ls_person.
/ui2/cl_json=>deserialize(
    EXPORTING
        json        = lv_json
        pretty_name = /ui2/cl_json=>pretty_mode-camel_case
    CHANGING
        data        = ls_person
).

示例2: 内表序列化/反序列化

1
2
3
4
5
6
7
8
9
10
" 准备内表数据
APPEND VALUE #( name = '张三' age = 30 email = 'zhangsan@example.com' ) TO lt_person.
APPEND VALUE #( name = '李四' age = 28 email = 'lisi@example.com' ) TO lt_person.

" 序列化内表
lv_json = /ui2/cl_json=>serialize(
    data        = lt_person
    pretty_name = /ui2/cl_json=>pretty_mode-low_case
).
" 结果: [{"name":"张三","age":30,"email":"zhangsan@example.com"},...]

示例3: 与外部系统交互

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
TYPES: BEGIN OF ts_import_data,
         doc_type  TYPE string,
         doc_id    TYPE string,
         amount    TYPE string,
         currency  TYPE string,
       END OF ts_import_data.

TYPES: BEGIN OF ts_export_data,
         status    TYPE string,
         message   TYPE string,
         timestamp TYPE string,
       END OF ts_export_data.

DATA: lv_import_json TYPE string,
      ls_import_data TYPE ts_import_data,
      lv_export_json TYPE string,
      ls_export_data TYPE ts_export_data.

" 导入：处理外部系统的 JSON
lv_import_json = `{
    "docType": "INV",
    "docId": "12345",
    "amount": "1000.00",
    "currency": "USD"
}`.

/ui2/cl_json=>deserialize(
    EXPORTING
        json        = lv_import_json
        pretty_name = /ui2/cl_json=>pretty_mode-camel_case
    CHANGING
        data        = ls_import_data
).

" 导出：生成返回 JSON
ls_export_data-status    = 'SUCCESS'.
ls_export_data-message   = 'Data processed successfully'.
ls_export_data-timestamp = |{ sy-datum DATE = ISO }T{ sy-uzeit TIME = ISO }|.

lv_export_json = /ui2/cl_json=>serialize(
    data        = ls_export_data
    pretty_name = /ui2/cl_json=>pretty_mode-none
).

最佳实践

💡字段名映射
与外部系统（JavaScript/Web服务）交互时，建议使用 pretty_mode-camel_case 保持与 JSON 的命名约定一致。
💡数据校验
反序列化后务必对关键字段进行校验：
1
2
3
IF ls_import_data-doc_id IS INITIAL.
  " 处理错误情况
ENDIF.
💡性能优化
  • 大数据量使用 compress = abap_true 减少传输大小
  • 避免嵌套过深的结构
  • 考虑使用 ST 传输二进制数据
💡错误处理
1
2
3
4
5
6
7
8
9
DATA: lx_json TYPE REF TO cx_sy_move_cast_error.

TRY.
    /ui2/cl_json=>deserialize(
        EXPORTING json = lv_json
        CHANGING  data = ls_data ).
  CATCH cx_sy_move_cast_error INTO lx_json.
    WRITE: / 'JSON解析错误:', lx_json->get_text( ).
ENDTRY.

常见问题

Q: 如何处理嵌套 JSON?

定义嵌套的结构体类型即可：

1
2
3
4
5
6
7
8
9
10
11
12
13
TYPES: BEGIN OF ts_address,
         city   TYPE string,
         street TYPE string,
         zip    TYPE string,
       END OF ts_address.

TYPES: BEGIN OF ts_person,
         name    TYPE string,
         age     TYPE i,
         address TYPE ts_address,
       END OF ts_person.

DATA: ls_person TYPE ts_person.

Q: 如何处理数组?

使用内表类型：

1
2
3
4
5
6
7
8
9
10
TYPES: BEGIN OF ts_item,
         item_id    TYPE string,
         quantity   TYPE i,
         unit_price TYPE f,
       END OF ts_item.

TYPES: BEGIN OF ts_order,
         order_id TYPE string,
         items    TYPE STANDARD TABLE OF ts_item WITH EMPTY KEY,
       END OF ts_order.

Q: 如何处理日期时间格式?

转换为标准字符串格式：

1
2
3
" 使用 ISO 8601 格式
DATA(lv_timestamp) = |{ sy-datum DATE = ISO }T{ sy-uzeit TIME = ISO }|.
" 结果: 2026-04-23T14:30:00