JSON till Python-dataklass

Exempel på utdata: standard @dataclass

Inmatning:

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

Utdata (Python 3.10+):

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

Samma inmatning med Pydantic

from typing import Optional
from pydantic import BaseModel


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

Typmappning

Dataclass, Pydantic och TypedDict

Vanliga misstag

• Glöm inte default_factory för variabla standardvärden. Ett standardvärde för list[str] = [] är en dataklassfälla (delad mellan instanser). Använd istället field(default_factory=list).
• Valfritt utan standardinställning. email: Optional[str] utan = None kräver fortfarande argumentet. Anpass det till din JSON-semantik.
• Pydantic v1 jämfört med v2: Syntaxen och beteendet skiljer sig (klasserna Config jämfört med model_config, samt validator jämfört med field_validator). Generatorn använder version v2 som standard.
• Ordningen i unionerna är viktig för deserialisering. Pydantic prövar typerna i den ordning de anges. Sätt de mest specifika typerna först (t.ex. int innan str) om tvetydighet kan uppstå.