GunterO
2020-02-05 16:32
订购。
解决方案是使用Java LinkedHashMap，它可以像ColdFusion中的结构一样使用。
因此，我只需要替换StructNew();
为：createObject("java", "java.util.LinkedHashMap").init();大写：
通过字符串名称分配/寻址它们。这将保留情况。
因此，示例变为：
<cfscript>
myStruct=createObject("java", "java.util.LinkedHashMap").init();
myStruct['one']=createObject("java", "java.util.LinkedHashMap").init();
myStruct['one']['item1']="Old Trafford";
myStruct['one']['item2']="Anfield";
myStruct['two']=createObject("java", "java.util.LinkedHashMap").init();
myStruct['two']['item3']="Stamford Bridge";
myStruct['two']['item4']="Villa Park";
myStruct['three']=createObject("java", "java.util.LinkedHashMap").init();
myStruct['three']['item5']="St James Park";
myStruct['three']['item6']="Emirates Stadium";
WriteDump(SerializeJSON(myStruct));
</cfscript>
输出：
{"one":{"item1":"Old Trafford","item2":"Anfield"},"two":{"item3":"Stamford Bridge","item4":"Villa Park"},"three":{"item5":"St James Park","item6":"Emirates Stadium"}}
很好的秩序和案例保存！
热门帖子
相关问题
热门github
1
2
3
5
6
7
8
11
13
14
15
Mamba is a new state space model architecture showing promising performance on information-dense data such as language modeling, where previous subquadratic models fall short of Transformers. It is based on the line of progress on structured state space models, with an efficient hardware-aware design and implementation in the spirit of FlashAttention.
(翻译：Mamba 是一种新的状态空间模型架构，在信息密集型数据（例如语言建模）上显示出良好的性能，而之前的二次模型在 Transformers 方面存在不足。它基于结构化状态空间模型的进展，并本着FlashAttention的精神进行高效的硬件感知设计和实现。)
这正是我们使用ColdFusion 8保留键顺序的方式。请注意，如果使用JSON或WDDX序列化数据，它将保留顺序，但是反序列化将忽略它。（如果反序列化时键顺序很重要，请考虑在序列化之前添加一个包含键特定顺序的数组。）
感谢有关反序列化的注意事项！这只是这里的示例所使用的，我在我的应用程序中将结构转换为XML（类似SOAP信封）。