Nano Hash - криптовалюты, майнинг, программирование

Если выбран сопоставитель Gson, ответ токена oauth будет пустым.

Когда я устанавливаю свойство spring.http.converters.preferred-json-mapper=gson в application.properties и добавляю зависимость gson, токен oauth не возвращается (возвращенный json пуст).< br> Установка для свойства значения spring.http.converters.preferred-json-mapper=jackson снова заставит его работать.
Мы используем Gson в качестве основного синтаксического анализатора и не можем перейти на Jackson, у вас есть идея по этому вопросу?

Я создал проект в Github для этой проблемы (https://github.com/marcellom/sample-oauth2-spring-gson), вы можете клонировать его и следовать инструкциям в README.

Зависимости:

  • Весенняя загрузка: 1.5.6.RELEASE
  • Гсон: 2.8.0
  • весна-безопасность-oauth2: 2.2.0.RELEASE

Заранее спасибо!

spring spring-security oauth
24.08.2017

  • Spring предоставляет OAuth2AccessTokenJackson2Serializer для Jackson, для Gson вы должны предоставить свой собственный. 25.08.2017

Ответы:


1

Спасибо чимми! Я решил это, добавив собственный сериализатор для Gson.

25.08.2017
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..