YAML 数据类型如何转换为 JSON

可以直接映射的类型

映射转换为对象，序列转换为数组，常见标量转换为字符串、数字、布尔值或 null。

JSON 对象的键必须是字符串；复杂或非文本 YAML 键可能需要规范化。

容易混淆的字符串

YAML 1.2 减少了旧版本中的歧义，但日期、大整数和特殊数字写法仍可能受解析器影响。

如果标识符必须保持文本形式，例如带前导零的代码，应使用引号。

JSON 的表示限制

JSON 没有注释、自定义标签、二进制和日期类型。这些值需要转换成兼容形式，或在使用前人工确认。

在 JavaScript 应用中还应核对超大整数，避免精度损失。

可靠的分步处理流程

应把YAML 到 JSON 的数据类型视为一次有明确输入、预期结构和目标系统的数据转换。先复制原文，在改变表示方式前完成验证，再提取一个足以复现问题的最小样例。这样才能把语法错误与数据模型或业务错误分开。

每次只做一项修改，并在每次修改后重复同一套验证。自动化流水线遇到解析错误时应直接失败，不能发布残缺或猜测修复的结果。需要审计时，应把原始输入和生成文件一同保留。

• 先选取具有代表性的输入并保留原始副本，以便审查差异或重复执行转换。
• 不要只看渲染后的文字，还要检查解析结构；键名、标量类型、数组顺序和 null 才是下游程序真正收到的数据。
• 在真实目标系统中测试结果，并记录项目依赖的解析器、模式、编码和格式假设。

实例与验证方法

下面的示例刻意保持简短，便于逐项核对。处理真实文件时也应检查每个键、标量类型、数组顺序以及嵌套边界，而不是只确认页面显示“成功”。

转换或压缩成功，只能证明源文本可以被解析。还应比较操作前后的结构化值，并使用生产环境真正采用的库或平台重新读取结果，才能发现实现差异。

enabled: true
retries: 3
label: "003"
missing: null

限制与边界情况

YAML 到 JSON 的数据类型的难点通常来自“语法有效”和“业务可用”之间的差别。解析器接受的数据仍可能缺少字段、含义模糊、体积过大，或不符合目标系统的模式。

不要盲目修复或规范化陌生文件。重复键、隐式类型、别名、数字精度、Unicode、换行符和超大输入都需要明确策略；目标系统的规则更严格时，应以目标规则为准。

生产环境检查清单

发布前至少测试正常文档、空值、深层嵌套、非 ASCII 文本和一个故意损坏的样例。如果其他系统必须复现完全相同的输出，还应记录工具或依赖库版本。

当数据参与构建、部署、API 或配置时，应把验证加入持续集成。上线前审查差异并保留回滚副本，上线后观察第一个真实使用方，不能把“语法通过”等同于“运行正确”。

• 先选取具有代表性的输入并保留原始副本，以便审查差异或重复执行转换。
• 不要只看渲染后的文字，还要检查解析结构；键名、标量类型、数组顺序和 null 才是下游程序真正收到的数据。
• 在真实目标系统中测试结果，并记录项目依赖的解析器、模式、编码和格式假设。