Terdapat tiga cara untuk menukar data JSON ke dalam objek kelas Python. 1. Gunakan json.loads () untuk menghuraikan dan lulus kepada pembina kelas, yang sesuai untuk senario struktur mudah; 2. Gunakan dataclasses untuk memudahkan definisi kelas, secara automatik menjana __init__, dan meningkatkan kecekapan pelbagai bidang; 3. Gunakan Pydantic untuk merealisasikan penukaran jenis automatik dan pengesahan data, menyokong pemprosesan struktur bersarang, yang sesuai untuk senario interaksi data dan antara muka yang kompleks.
Ia tidak sukar untuk menjadikan data JSON menjadi objek kelas Python, tetapi anda perlu memahami langkah -langkah dengan jelas. Kuncinya ialah cara menghuraikan data JSON dan memetakannya ke contoh kelas tersuai. Berikut adalah beberapa kaedah praktikal.

Kaedah 1: Gunakan json.loads()
untuk menyesuaikan permulaan kelas
Ini adalah kaedah yang paling asas, sesuai untuk situasi di mana struktur diketahui dan jumlah data tidak besar. Pertama gunakan json.loads()
untuk menukar rentetan JSON ke dalam kamus, dan kemudian lulus ke pembina kelas.
Sebagai contoh, anda mempunyai kelas seperti ini:

orang kelas: def __init __ (diri, nama, umur): self.name = name self.age = umur
Data JSON yang sepadan mungkin rentetan seperti ini:
{ "Nama": "Alice", "Umur": 30 }
Kaedah pemprosesan boleh:

Import JSON data_str = '{"name": "Alice", "Umur": 30}' data_dict = json.loads (data_str) orang = orang (** data_dict)
Kelebihannya adalah kawalan intuitif dan fleksibel, sementara kelemahannya adalah bahawa ia menyusahkan untuk menulis secara manual apabila terdapat banyak bidang.
Kaedah 2: Gunakan dataclasses
untuk memudahkan definisi kelas
Jika anda menggunakan Python 3.7 dan ke atas, anda boleh menggunakan dataclasses.dataclass
untuk memudahkan definisi kelas dan membuat kod pembersih.
Atau contoh di atas, anda boleh menulisnya seperti ini:
Dari DataClass Import DataClass @DataClass orang kelas: Nama: Str Umur: Int
Kemudian bekerjasama dengan json.loads()
dan membongkar operasi:
data_str = '{"name": "bob", "umur": 25}' data_dict = json.loads (data_str) orang = orang (** data_dict)
Kaedah ini menghapuskan proses penulisan __init__
, dan lebih sesuai untuk situasi di mana terdapat banyak bidang.
Kaedah 3: Gunakan pydantic
untuk menukar dan mengesahkan secara automatik
Jika anda mahukan penukaran jenis automatik dan juga mempunyai fungsi pengesahan data titik, anda boleh mencuba pydantic
. Ia adalah perpustakaan pihak ketiga dan dipasang seperti berikut:
PIP Pasang Pydantic
Kemudian anda boleh menggunakan:
dari basemodel import pydantic orang kelas (basemodel): Nama: Str Umur: Int data_str = '{"name": "charlie", "usia": "40"}' # Perhatikan bahawa umur adalah orang rentetan = person.model_validate_json (data_str) cetak (person.name) # output Charlie cetak (person.age) # output 40 (ditukar secara automatik ke integer)
Kelebihan kaedah ini ialah ia menyokong penukaran jenis automatik dan pengesahan data, yang sesuai untuk senario seperti data pulangan antara muka atau bacaan fail konfigurasi.
Petua: Bagaimana menangani struktur bersarang?
Sekiranya terdapat struktur bersarang di JSON, misalnya, medan alamat adalah sub-objek, ia juga boleh dikendalikan dalam bersarang kelas.
Contohnya:
{ "Nama": "David", "Alamat": { "bandar": "Beijing", "Zip": "100000" } }
Anda boleh menentukan dua kelas:
@DataClass Alamat Kelas: Bandar: Str Zip: Str @DataClass orang kelas: Nama: Str Alamat: Alamat data_dict = json.loads (data_str) alamat = alamat (** data_dict ['alamat']) orang = orang (nama = data_dict ['nama'], alamat = alamat)
Sudah tentu, jika anda menggunakan pydantic
, ia secara automatik akan menghuraikan struktur bersarang untuk anda tanpa pemisahan manual.
Secara umum, pilih kaedah yang betul mengikut keperluan anda. Ia cukup untuk menggunakan json
untuk memulakan kelas dalam projek kecil secara langsung; Jika struktur diperlukan, dataclasses
harus digunakan; Jika checksum secara automatik bersarang, maka pydantic
harus digunakan. Pada dasarnya itu sahaja.
Atas ialah kandungan terperinci Tukar JSON ke Objek Kelas Python. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undress AI Tool
Gambar buka pakaian secara percuma

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Untuk mengendalikan transaksi JDBC dengan betul, anda mesti terlebih dahulu mematikan mod komit automatik, kemudian melakukan pelbagai operasi, dan akhirnya melakukan atau mengembalikan semula hasilnya; 1. Panggil Conn.SetAutOcommit (palsu) untuk memulakan transaksi; 2. Melaksanakan pelbagai operasi SQL, seperti memasukkan dan mengemaskini; 3. Panggil Conn.Commit () jika semua operasi berjaya, dan hubungi conn.rollback () jika pengecualian berlaku untuk memastikan konsistensi data; Pada masa yang sama, cuba-dengan-sumber harus digunakan untuk menguruskan sumber, mengendalikan pengecualian dengan betul dan menutup sambungan untuk mengelakkan kebocoran sambungan; Di samping itu, adalah disyorkan untuk menggunakan kolam sambungan dan menetapkan mata simpan untuk mencapai rollback separa, dan menyimpan urus niaga sesingkat mungkin untuk meningkatkan prestasi.

Python adalah alat yang cekap untuk melaksanakan proses ETL. 1. Pengekstrakan data: Data boleh diekstrak dari pangkalan data, API, fail dan sumber lain melalui panda, sqlalchemy, permintaan dan perpustakaan lain; 2. Penukaran Data: Gunakan panda untuk pembersihan, penukaran jenis, persatuan, pengagregatan dan operasi lain untuk memastikan kualiti data dan mengoptimumkan prestasi; 3. Pemuatan Data: Gunakan kaedah Pandas 'TO_SQL atau platform awan SDK untuk menulis data ke sistem sasaran, perhatikan kaedah menulis dan pemprosesan batch; 4. Cadangan Alat: Airflow, Dagster, Prefect digunakan untuk penjadualan dan pengurusan proses, menggabungkan penggera log dan persekitaran maya untuk meningkatkan kestabilan dan mengekalkan.

Gunakan kelas dalam pakej Java.Time untuk menggantikan kelas lama dan kelas kalendar; 2. Dapatkan tarikh dan masa semasa melalui LocalDate, LocalDateTime dan Tempatan Tempatan; 3. Buat tarikh dan masa tertentu menggunakan kaedah (); 4. Gunakan kaedah tambah/tolak untuk meningkatkan dan mengurangkan masa; 5. Gunakan zoneddatetime dan zonid untuk memproses zon waktu; 6. Format dan parse date string melalui DateTimeFormatter; 7. Gunakan segera untuk bersesuaian dengan jenis tarikh lama apabila perlu; pemprosesan tarikh di java moden harus memberi keutamaan untuk menggunakan java.timeapi, yang memberikan jelas, tidak berubah dan linear

Pra-formancetartuptimemoryusage, quarkusandmicronautleadduetocompile-timeprocessingandgraalvsupport, withquarkusoftenperforminglightbetterine serverless scenarios.tyvelopecosyste,

Koleksi Sampah Java (GC) adalah mekanisme yang secara automatik menguruskan ingatan, yang mengurangkan risiko kebocoran ingatan dengan menuntut semula objek yang tidak dapat dicapai. 1.GC menghakimi kebolehcapaian objek dari objek akar (seperti pembolehubah stack, benang aktif, medan statik, dan lain -lain), dan objek yang tidak dapat dicapai ditandakan sebagai sampah. 2. Berdasarkan algoritma penandaan tanda, tandakan semua objek yang dapat dicapai dan objek yang tidak ditandai. 3. Mengamalkan strategi pengumpulan generasi: Generasi Baru (Eden, S0, S1) sering melaksanakan MinorGC; Orang tua melakukan kurang tetapi mengambil masa lebih lama untuk melakukan MajorGC; Metaspace Stores Metadata kelas. 4. JVM menyediakan pelbagai peranti GC: SerialGC sesuai untuk aplikasi kecil; ParallelGC meningkatkan throughput; CMS mengurangkan

Memilih jenis htmlinput yang betul dapat meningkatkan ketepatan data, meningkatkan pengalaman pengguna, dan meningkatkan kebolehgunaan. 1. Pilih jenis input yang sepadan mengikut jenis data, seperti teks, e -mel, tel, nombor dan tarikh, yang secara automatik boleh menyemak dan menyesuaikan diri dengan papan kekunci; 2. Gunakan HTML5 untuk menambah jenis baru seperti URL, Warna, Julat dan Carian, yang dapat memberikan kaedah interaksi yang lebih intuitif; 3. Gunakan pemegang tempat dan sifat -sifat yang diperlukan untuk meningkatkan kecekapan dan ketepatan pengisian bentuk, tetapi harus diperhatikan bahawa pemegang tempat tidak dapat menggantikan label.

HTTP Log Middleware di GO boleh merakam kaedah permintaan, laluan, IP klien dan memakan masa. 1. Gunakan http.handlerfunc untuk membungkus pemproses, 2. Rekod waktu mula dan masa akhir sebelum dan selepas memanggil next.servehttp, 3. Dapatkan IP pelanggan sebenar melalui r.remoteaddr dan X-forward-for headers, 4. Gunakan log.printf untuk mengeluarkan log permintaan, 5. Kod sampel lengkap telah disahkan untuk dijalankan dan sesuai untuk memulakan projek kecil dan sederhana. Cadangan lanjutan termasuk menangkap kod status, menyokong log JSON dan meminta penjejakan ID.

GradleisthebetterChoiceFormostNewProjectSduetoitSsuperiorflexibility, Prestasi, danModernToolingSupport.1.Gradle'sGroovy/KOT lindslismoreconciseandexpressivethanmaven'sverbosexml.2.GradleOutPerformsMaveninBuildSpeedWithIncrementalcompilation, BuildCac
