attrsct attrs

论文探讨了如何利用Python的attrs库优雅地处理包含了列表的复杂数据结构。针对将字典列表转换为attrs类实例列表的常见场景，文章阐述了直接使用转换器参数的局限性，并推荐使用cattrs库的结构函数。通过展示实例代码，教程了cattrs如何自动化原始字典数据解构并映射到attrs定义的类规范中，从而实现更简洁、健壮的数据转换。attrs简介与读写数据挑战

attrs是一个强大的python库，用于声明式地定义数据类，它通过装饰器@define简化了类的创建，并自动生成__init__，__repr__，__eq__等方法。这使得数据模型定义变得非常简洁和易读。

在实际应用中，我们经常会遇到需要处理查询数据结构的情况，例如一个主对象包含一个列表，而列表中的每个元素又是一个复杂的对象。当这些数据最初都是字典或 JSON 时 格式存在时，如何高效且优雅地将其转换为属性定义的类实例，特别是包含列表的场景，是一个常见的挑战。

考虑以下场景：我们有一组角色数据，每个角色包含first_name和last_name。这些角色被组织在一个名为字符的列表中，而整个结构是一个字典。

数据 = { quot；charactersquot；： [ {quot；first_namequot；：quot；Duffyquot；，quot；last_namequot；：quot；Duckquot；}，{quot；first_namequot；：quot；Bugsquot；，quot；last_namequot；：quot；Bunnyquot；}，{quot；first_namequot；：quot；Sylvesterquot；，quot；last_namequot；：quot；Pussycatquot；}，{quot；first_namequot；：quot；Elmarquot；，quot；last_namequot；：quot；Fuddquot；}，{quot；first_namequot；：quot；Tweetyquot；，quot；last_namequot；：quot；Birdquot；}，{quot；first_namequot；：quot；Samquot；，quot；last_namequot；：quot；Yosemitequot；}，{quot；first_namequot；： quot；Wile E.quot；， quot；last_namequot；： quot；Coyotequot；}， {quot；first_namequot；： quot；Roadquot；， quot；last_namequot；： quot；Runnerquot；}， ]}登录后复制

我们希望将其映射到以下 attrs 类结构中：from attrs import define，fieldfrom Typing import List@define(kw_only=True)class 字符： first_name：str last_name：str@defineclass LooneyToons：characters：List[Character]登录后复制

一个仔细但错误的尝试是为LooneyToons类中的characters字段使用转换器参数，并将其设置为Character类本身：#错误的结果，会导致TypeError@defineclass LooneyToons_In Correct：characters：List[Character] = field(factory=list， converter=Character)登录后复制

当尝试将 data['characters']（一个字典列表）提交给LooneyToons_In Correct时，会遇到TypeError：Character.__init__()takes 1positional argument but 2 were returned。这是因为转换器参数需要接收列表中的每个单独元素，把它的转换为Character实例。

然而，我们传递给 LooneyToons_In Correct 构造函数和整个字典列表，attrs 尝试将整个列表作为单个参数传递给 Character 的 __init__ 方法，这显然是不匹配的。cattrs：优雅的解决方案

为了解决数据转换的复杂性，cattrs 库应运而生。cattrs 是 attrs 的一个辅助库，专门用于 Python对象和各种数据格式（如字典、JSON）之间进行转换转换（结构化和非结构化）。它能够智能地处理复杂的字典结构，包括列表、字典和自定义 attrs 类。

使用 cattrs，我们可以非常简单地将上述数据字典转换为我们定义的 attrs 类实例。

from Typing Import List from Attrs Import Define， field from Cattrs Import Structure # 原始数据 data = { quot；charactersquot；： [ {quot；first_namequot；： quot；Duffyquot；， quot；last_namequot；： quot；Duckquot；}， {quot；first_namequot；： quot；Bugsquot；， quot；last_namequot；： quot；Bunnyquot；}， {quot；first_namequot；： quot；Sylvesterquot；， quot；last_namequot；： quot；Pussycatquot；}， {quot；first_namequot；： quot；Elmarquot；， quot；last_namequot；： quot；Fuddquot；}， {quot；first_namequot；： quot；Tweetyquot；， quot；last_namequot；： quot；Birdquot；}， {quot；first_namequot；： quot；Samquot；， quot；last_namequot；： quot；Yosemitequot；}， {quot；first_namequot；： quot；Wile E.quot；， quot；last_namequot；： quot；Coyotequot；}， {quot；first_namequot；： quot；Roadquot；， quot；last_namequot；： quot；Runnerquot；}， ]}# 定义字符类 @define(kw_only=True)class 字符： first_name： str last_name： str#定义 LooneyToons 类，字符 字段填充转换器@defineclass LooneyToons：字符：List[Character] = field(factory=list) #factory=list 确信默认值是一个空列表#使用cattrs.struct 进行转换looney_tunes_instance = Structure(data， LooneyToons)# 验证结果print(looney_tunes_instance)print(looney_tunes_instance.characters[0])print(isinstance(looney_tunes_instance.characters[0]，Characters))登录后复制

输出示例：LooneyToons(characters=[Character(first_name='Duffy'，last_name='Duck')， Character(first_name='Bugs')

，last_name='Bunny')， 角色(first_name='Sylvester'，last_name='Pussycat')， 角色(first_name='Elmar'，last_name='Fudd')， 角色(first_name='Tweety'，last_name='Bird')， 角色(first_name='Sam'，last_name='Yosemite')， 角色(first_name='Wile E.'， last_name='Coyote')，Character(first_name='Road'，last_name='Runner')])Character(first_name='Duffy'，last_name='Duck')True登录后复制

通过cattrs.struct(data， LooneyToons)，cattrs会自动检测LooneyToons类中的字符字段类型为List[Character]。数据['字符'] 中的每一个字典，并智能熔化每个字典解构为字符类的一个实例。这种方式极大地简化了复杂数据结构的映射过程，避免了手动循环和构造实例。使用转换器时注意事项与转换汇总？ attrs 字段的转换器参数适用于对单个索引值进行转换。例如，如果字符类中的first_name字段可以接收数字，则需要将其为字符串，那么可以在first_name字段上设置Converter=str。但对于将整个列表的字典转换为列表的 attrs 实例，转换器并不适用。cattrs 的强处：cattrs 扩充处理列表，它还能处理更复杂的解读结构，例如字典中的 attrs 类、以及自定义的转换规则。提供了一个灵活且可扩展的框架来处理数据序列化和反序列化。类型提示的重要性：在使用 attrs 和 cattrs 时，清晰的提示类型（如List[Character]）至关重要。cattrs依赖这些类型信息来正确地进行数据格式化。安装cattrs：如果尚未安装cattrs，可以使用 pip install cattrs 命令进行安装。

总而言之，当处理涉及 attrs 类和读取列表（尤其是从字典数据转换而来）的复杂数据结构时，cattrs 库的结构函数是首选的解决方案。它提供了一种声明式、安全且高度自动化的类型来完成数据映射，使代码更加简洁、健壮和易于维护。

以上就是使用 attrs 和 cattrs处理请求列表数据结构的最佳实践的详细内容，更多请关注乐哥常识网其他相关文章！