JSON do klasy danych w Pythonie

Przykład wyniku – standardowy @dataclass

Wejście:

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

Wyjście (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

To samo wejście z Pydantic

from typing import Optional
from pydantic import BaseModel


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

Mapowanie typów

Dataclass vs Pydantic vs TypedDict

Najczęstsze błędy

• Pominięcie default_factory dla zmiennych wartości domyślnych. Wartość domyślna list[str] = [] to pułapka dataclass (współdzielona między instancjami). Użyj field(default_factory=list).
• Optional bez wartości domyślnej. email: Optional[str] bez = None nadal wymaga podania argumentu. Dopasuj to do semantyki swojego JSON-a.
• Pydantic v1 a v2. Składnia i zachowanie różnią się (klasa Config a model_config, validator a field_validator). Generator domyślnie używa v2.
• Kolejność w unii ma znaczenie przy deserializacji. Pydantic próbuje typów w kolejności deklaracji. Umieść najbardziej szczegółowy typ jako pierwszy (np. int przed str), jeśli możliwa jest niejednoznaczność.