JSON zu Python Dataclass

Beispielausgabe: standardmäßige @dataclass

Eingabe:

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

Ausgabe (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

Dieselbe Eingabe mit Pydantic

from typing import Optional
from pydantic import BaseModel


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

Typzuordnung

Dataclass vs Pydantic vs TypedDict

Häufige Fehler

• default_factory für veränderliche Standardwerte vergessen. Ein list[str] = [] Standard ist eine Falle für Dataclasses (wird zwischen Instanzen geteilt). Verwenden Sie field(default_factory=list).
• Optional ohne Standard. email: Optional[str] ohne = None erfordert immer noch das Argument. Passen Sie Ihre JSON-Semantik an.
• Pydantic v1 vs v2. Syntax und Verhalten unterscheiden sich (Klasse Config vs model_config, validator vs field_validator). Der Generator verwendet standardmäßig v2.
• Die Reihenfolge der Union ist für die Deserialisierung wichtig. Pydantic versucht Typen in der Deklarationsreihenfolge. Setzen Sie den spezifischsten zuerst (z. B. int vor str), wenn Mehrdeutigkeit möglich ist.