فئة بيانات من JSON إلى بايثون

مثال على الناتج: @dataclass القياسي

المدخل:

{ "first_name": "Alice", "age": 30, "email": null, "tags": ["admin"] }

الناتج (باييثون 3.10 أو أحدث):

from dataclasses import dataclass, field
from typing import Optional


@dataclass
class User:
    first_name: str
    age: int
    tags: list[str] = field(default_factory=list)
    email: Optional[str] = None

نفس المدخلات باستخدام Pydantic

from typing import Optional
from pydantic import BaseModel


class User(BaseModel):
    first_name: str
    age: int
    email: Optional[str] = None
    tags: list[str] = []

رسم خرائط الأنواع

فئة البيانات مقابل Pydantic مقابل TypedDict

الأخطاء الشائعة

• تجاهل قيمة default_factory للقيم الافتراضية القابلة للتغيير: يُعد القيمة الافتراضية list[str] = [] فخًا يخص فئة البيانات (مشتركًا بين جميع النماذج)؛ استخدم بدلاً من ذلك القيمة field(default_factory=list).
• اختياري بدون قيمة افتراضية: استخدام email: Optional[str] دون = None يظل يتطلب تمرير الوسيطة، ويجب أن يتماشى مع دلالات تنسيق JSON الخاص بك.
• Pydantic الإصدار v1 مقابل v2: تختلف الصيغة النحوية والسلوكيات بينهما (الفئة Config مقابل model_config، وvalidator مقابل field_validator)؛ ويُستخدم الإصدار v2 بشكل افتراضي من قبل المولّد.
• تُعد ترتيبات الاتحادات أمرًا مهمًا أثناء عملية فك التسلسلية. يحاول برنامج Pydantic تحديد أنواع البيانات وفق ترتيب الإعلان؛ لذا يجب وضع النوع الأكثر تحديدًا في المقدمة (مثلاً: int قبل str) في حال وجود غموض محتمل.