JSON in Dataclass Python

Esempio di output: standard @dataclass

Input:

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

Output (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

Stesso input con Pydantic

from typing import Optional
from pydantic import BaseModel


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

Mappatura dei tipi

Dataclass vs Pydantic vs TypedDict

Errori comuni

• Dimenticare default_factory per i valori mutabili. Un valore predefinito list[str] = [] è una trappola per dataclass (condiviso tra le istanze). Usa field(default_factory=list).
• Opzionale senza predefinito. email: Optional[str] senza = None richiede comunque l’argomento. Abbina la semantica del tuo JSON.
• Pydantic v1 vs v2. La sintassi e i comportamenti differiscono (classe Config vs model_config, validator vs field_validator). Il generatore predefinito è v2.
• L’ordine dell’unione è importante per la deserializzazione. Pydantic prova i tipi nell’ordine di dichiarazione. Metti il più specifico per primo (ad es. int prima di str) se l’ambiguità è possibile.