swift微博第16天(KVC字典转模型)

下面以 HomeViewModel 为例,我所求的数据类型为: 数组套字典

import UIKit

class HomeViewModel: NSObject {
 // 微博创建的时间
 var created_at: String?
 // 微博ID
 var id: Int = 0
 // 微博信息内容
 var text: String?
 // 微博来源
 var source: String?
 // 微博配图数组
 var pic_urls: [[String: AnyObject]]?

class func loadStause(finshed: @escaping (_ models:[HomeViewModel]?,_ error:Error?)->()){
    
    let account = UserAccount.loadAccount()
    // 1.定义路径
    let path = "2/statuses/home_timeline.json"
    // 2.封装参数
    let params = ["access_token":account?.access_token]
    
    NetworkTools.shareNetworkTools().get(path, parameters: params, progress: nil, success: { (_, JSON) in
        
        print(JSON!)
        
        /*
           1.取出Stause key对应的数组(存储的都是字典)
           2.遍历数组将字典转化为模型
         */
        
        let dict  = JSON as! NSDictionary
        
        print("statuses=\(dict["statuses"]!)")
        
        if let statuses = dict["statuses"] as? [[String: AnyObject]] {
           
            let models = HomeViewModel.dict2model(array: statuses)
            
            finshed(models, nil)
        }
        
    }) { (_, error) in
        
        finshed(nil, error)
    }
}

// MARK: 字典转模型的方法
private class func dict2model(array:[[String: AnyObject]]) -> [HomeViewModel] {

    var models1 = [HomeViewModel]()
    
    for dict1 in array {
        
        models1.append(HomeViewModel(dict: dict1))
        
    }
    return models1
}

// 字典转模型
init(dict: [String: AnyObject]){
    
    super.init()
    // 会调用 setValue forKey 给每一个属性赋值
    setValuesForKeys(dict)
    
}

// 这句话的意思是字典转模型的时候 要一一对应的,为了防止没有的字段崩溃,那么就跳过(没有的字段会走这里的,不用做什么操作就好了)
//    override func setValue(_ value: Any?, forKey key: String) {
//
//        print("找不到\(key)")
//    }

override func setValue(_ value: Any?, forUndefinedKey key: String) {
    print(key)
}

// 打印当前的模型
 static let properties = ["created_at","id","text","source","pic_urls"]
 override var description: String{
    let dict = self.dictionaryWithValues(forKeys: HomeViewModel.properties)
    return "\(dict)"
  }
 }

模型的调用 一个简单的闭包

  HomeViewModel.loadStause { (models, error) in
        
        if error != nil
        {
           return
        }
        
        self.homeViewModels = models
        
        print(self.homeViewModels!.count)
        
    }
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,651评论 6 501
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,468评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,931评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,218评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,234评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,198评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,084评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,926评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,341评论 1 311
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,563评论 2 333
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,731评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,430评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,036评论 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,676评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,829评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,743评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,629评论 2 354

推荐阅读更多精彩内容