JSON naar Python-dataclass

Voorbeelduitvoer: standaard @dataclass

Invoer:

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

Uitvoer (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

Dezelfde invoer met Pydantic

from typing import Optional
from pydantic import BaseModel


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

Type-mapping

Dataclass versus Pydantic versus TypedDict

Veelvoorkomende fouten

• default_factory vergeten voor veranderlijke standaardwaarden. Een standaardwaarde list[str] = [] is een valkuil voor dataclasses (wordt gedeeld tussen instanties). Gebruik field(default_factory=list).
• Optional zonder standaardwaarde. email: Optional[str] zonder = None vereist nog steeds het argument. Stem dit af op de semantiek van uw JSON.
• Pydantic v1 versus v2. De syntaxis en het gedrag verschillen (klasse Config versus model_config, validator versus field_validator). De generator gebruikt standaard versie v2.
• De volgorde in de union is belangrijk voor de deserialisatie. Pydantic probeert de typen in de declaratievolgorde; plaats daarom het meest specifieke type eerst (bijvoorbeeld int vóór str) als dubbelzinnigheid mogelijk is.