JSON ถึงคลาสข้อมูลใน Python

ตัวอย่างผลลัพธ์: @dataclass มาตรฐาน

ข้อมูลที่ป้อนเข้ามา:

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

ผลลัพธ์ (Python 3.10 และเวอร์ชันใหม่กว่า):

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

ใช้ข้อมูลขาเข้าเดียวกันกับ Pydantic

from typing import Optional
from pydantic import BaseModel


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

การจับคู่รูปแบบ

Dataclass เทียบกับ Pydantic และ TypedDict

ข้อผิดพลาดที่พบบ่อย

• การละเว้นการใช้ default_factory สำหรับค่าเริ่มต้นที่สามารถเปลี่ยนแปลงได้ ค่าเริ่มต้นของ list[str] = [] เป็น “กับดัก” สำหรับคลาสข้อมูล (ใช้ร่วมกันระหว่างอินสแตนซ์) ควรใช้ field(default_factory=list) แทน
• สามารถไม่ใช้ได้โดยไม่มีค่าเริ่มต้น หาก email: Optional[str] ไม่รวม = None ก็ยังคงต้องระบุอาร์กิวเมนต์นี้ โปรดให้สอดคล้องกับรูปแบบข้อมูล JSON ของคุณ
• Pydantic เวอร์ชัน v1 เทียบกับ v2: ไวยากรณ์และพฤติกรรมการทำงานแตกต่างกัน (คลาส Config เทียบกับ model_config; validator เทียบกับ field_validator) โดยตัวสร้างจะใช้เวอร์ชัน v2 เป็นค่าเริ่มต้น
• ลำดับของประเภทข้อมูลมีความสำคัญต่อกระบวนการถอดการจัดเรียงข้อมูล (deserialization) โดย Pydantic จะตรวจสอบประเภทตามลำดับที่กำหนดไว้ หากมีความคลุมเครือ ควรเรียงประเภทที่เฉพาะเจาะจงที่สุดก่อน (เช่น int ก่อน str)