迹忆客 专注技术分享

本文的主要目的是演示如何将嵌套字典转换为数据类。 介绍了三种不同类型的方法及其解释。

将字典转换回数据类

根据您正在进行的项目，您可能会遇到需要将字典转换回数据类的场景。 虽然这种情况可能很少见，但在某些情况下您可能需要进行转换，尤其是当您想要防止意外行为时。

这种情况的一个示例是转换后的字典是嵌套的或复杂的，例如具有复杂类型的成员或数据类的成员。

从数据类导入数据类，asdict

@dataclass
class A:
    x: int

@dataclass
class B:
    x: A
    y: A

@dataclass
class C:
    a: B
    b: B

在上述情况下，数据类 C 在转换为字典时有时会造成转换问题。 问题的发生主要是由于类成员类型的处理失败。

要克服此解决方案，您可以根据自己的喜好和项目的性质选择多种方法。 如果您正在从事个人项目并且对数据性质的范围有很好的了解，那么使用简单的变通方法是安全的。

但是，在大规模数据的情况下，通常建议安全起见并使用第三方库（最好是开源的），因为它们是为在广泛的用例上运行而设计的。 因此，它允许他们处理更广泛的数据变体。

使用 post_init 将字典转换回数据类

最简单的方法之一是利用在初始化数据类后自动调用的 __post_init__ 函数。

从数据类导入数据类，asdict

@dataclass
class SimpleDClazz:
    m_one: str
    m_two: str

@dataclass
class ComplexDClazz:
    simpKlazz: SimpleDClazz

    def __post_init__(self):
        if isinstance(self.simpKlazz, dict):
            self.simpKlazz = SimpleDClazz(**self.simpKlazz)

foo = ComplexDClazz(simpKlazz=SimpleDClazz(m_one="1", m_two="2"))

d= asdict(foo)
print(d)
o = ComplexDClazz(**d)
print(o)

输出:

{'simpKlazz': {'m_one': '1', 'm_two': '2'}}
ComplexDClazz(simpKlazz=SimpleDClazz(m_one='1', m_two='2'))

初始化数据类 ComplexDClazz 后调用 _post_init 函数。 由于这个独特的属性，我们可以使用它来帮助将字典转换回数据类。

所有必要的实现都在 __post_init_ 函数中完成。 代码可以分为两个主要部分：

1. 在函数的开始，判断传入的字典dict是否与我们成员simpKlazz的类型相同。
2. 如果条件为真，则在将字典值转换为正确类型后更新成员变量 simpKlazz。

使用适宜性

尽管体积小且独立，但即使在对不同类型的数据类进行严格测试后，该解决方案仍能保持良好状态。 如果您正在寻找一个独立的小型解决方案，这个解决方案似乎是一个不错的选择，但您可能必须在您计划使用的每个数据类中实现这个功能。

如果您正在从事大型项目，请将您自己的测试用例应用到解决方案中，看看它是否适合您的用例。

使用自定义实现将字典转换回数据类

考虑以下用于将嵌套字典转换回数据类的函数。

import dataclasses as dc
from dataclasses import dataclass, asdict

def dict_to_dataklass(klass, d):
    try:
        fieldtypes = {f.name:f.type for f in dc.fields(klass)}
        return klass(**{f:dict_to_dataklass(fieldtypes[f],d[f]) for f in d})
    except:
        return d # The object is not a dataclass field


@dataclass
class SimpleDClazz:
    x: float
    y: float

@dataclass
class ComplexDClazz:
    a: SimpleDClazz
    b: SimpleDClazz

line = ComplexDClazz(SimpleDClazz(1,2), SimpleDClazz(3,4))
assert line == dict_to_dataklass(ComplexDClazz, asdict(line))
print("Success")

输出:

Success

这个简单的五行代码包含一个 try-catch 块，其中完成了两件事：

1. 假设 klass 是一个数据类。 提取数据类中的所有字段，它们的名称和类型更具体。
2. 检索完所有字段后，将根据检索到的字段生成一个 klass 类型的数据类对象。 递归调用确保相应地处理和转换字段内的任何嵌套类。
3. 当 try 块失败时（主要是当传递的参数不是所需的类型时），返回原始传递的对象。 这确保如果传递的对象不是合适的类型，它会被返回，作为递归调用的停止条件。

使用适宜性

此方法最适用于不同类型范围不大且大多数情况已知的小型项目。 对于规模较大的项目，这种方法在遇到 corner case 时可能会出乎意料地奏效。

建议使用数据类格式的测试用例对此进行测试，以根除任何潜在的错误。

使用 dacite（第三方库）将字典转换回数据类

dacite 是一个开源的第三方库，旨在简化 Python 中数据类的创建。 幸运的是，该库包含执行我们想要的功能的函数，从传递的字典（嵌套或非嵌套）创建数据类。

from dataclasses import dataclass
from dacite import from_dict

@dataclass
class DKlazz:
    m_one: str
    m_two: int
    is_working: bool

sample = {
    'm_one': '1',
    'm_two': 2,
    'is_working': False,
}

dk = from_dict(data_class=DKlazz, data=sample)

assert dk == DKlazz(m_one='1', m_two=2, is_working=False)
print("Success")

输出:

Success

dacite 仅包含一个函数，from_dict，它允许从给定的字典对象创建数据类。

使用该功能非常简单。 它由两个参数组成：数据类和字典。

然后该函数将给定的字典转换为给定类型的数据类对象并返回——所有这些都没有任何自定义函数的麻烦。

使用适宜性

开源的好处是万一遇到任何错误，会立即报告，并立即开始修复工作。 请记住，这种方法是全方位的，适用于小型和大型项目。

如果发现此类情况，可以将它们报告给 GitHub 存储库，开发人员或其他社区成员可以在其中帮助生成修复程序。 但是，如果您不想下载任何额外的第三方库，这个选项似乎不是最可行的。