嵌套式叙事结构 嵌套try catch

本教程详细阐述了如何使用 Python 的 attrs 和 cattrs 库来高效处理检索的数据结构，特别是包含字典列表的复杂数据转换为 attrs 定义的类实例列表。文章将解释 attrs 内置转换器的视觉，并演示 cattrs 如何通过其强大的格式化功能，自动且高效地完成从原始字典数据到复杂 attrs 对象的映射，从而简化代码并提高可维护性理解。 attrs 中的数据建模

在 python 中，attrs 库提供了一种简洁而强大的方式来构造定义数据类，它通过装饰器和类型提示极大地简化了样板代码。当我们需要将外部数据（如 json 或字典）映射到这些定义好的 attrs 时类时，通常会遇到挽回结构的处理问题。

考虑一个场景，我们有一组角色数据，每个角色包含姓名信息，而这些角色共同构成一个团队。数据结构如下所示：data_source = { quot；charactersquot；： [ {quot；first_namequot；： quot；Duffyquot；， quot；last_namequot；： quot；Duckquot；}， {quot；first_namequot；： quot；Bugsquot；， quot；last_namequot；： quot；Bunnyquot；}， # ... 更多角色]}登录后复制

我们希望将其为 attrs 类实例：from attrs import Define，fieldfrom Typing import List@define(kw_only=True)class Character：first_name：str last_name：str@defineclass LooneyToons：characters：List[Character] = field(factory=list)#最初定义，稍后解释为何取消转换converter登录后复制attrs在转换器的范围内

attrs提供了转换器参数，用于在赋值时对输入值进行转换。例如，some_field：int = field(converter=int)可以确保输入值被为整数。

然而，在处理列表中的复杂对象转换时，直接使用 converter=Character 会遇到问题：# 错误示例：直接将 Character 作为 List[Character] 的 converter@defineclass LooneyToons_Problematic：characters： List[Character] = field(factory=list，converter=Character)# 尝试使用：# LooneyToons_Problematic(characters=data_source['characters'])# 这将导致 TypeError： Character.__init__() 需要 1 个位置参数，但给出了 2 个位置参数，登录后复制

这个错误的原因是，attrs 的转换器需要一个函数，该函数接收单个值并将其转换为目标类型。当我们将其确认一个 List[Character] 字段时，attrs 会尝试将整个列表 data_source['characters'] 作为参数传递给 Character 类的结构化函数（即 Character.__init__），这显然是不正确的，因为 Character期望的是名字和姓氏 这样的关键字参数，是一个字典列表。手动转换不足之处而不是解决方案是遍历手动列表，并为每个字典创建字符实例：#手动转换示例looney_tunes_instance = LooneyToons(characters=[Character(**x) for x in data_source['characters']])print(looney_tunes_instance)#输出： LooneyToons(characters=[Character(first_name='Duffy'，last_name='Duck')，...])登录后

这种方法虽然有效，但在以下情况下不够扩展慢或高效：样板代码重复：错误需要转换列表时，都需要编写类似的列表推导式。类的实例化过程中自动完成，需要外部手动处理。引入cattrs：自动化复杂数据结构转换

为了更优雅、自动化地处理 attrs 类与复杂数据格式（如字典、列表）之间的转换，cattrs 库应运而生。cattrs 是一个强大的转换工具，专门用于解决在 Python 对象和原始数据类型之间进行格式化（结构化）和非结构化（非结构化）。它通过利用类型提示，能够智能解析复杂的数据结构并自动执行深层。

使用 cattrs 上述问题非常简单：

删除参数：在LooneyToons 类的字符字段定义中，我们不再需要转换器参数。cattrs 将根据类型提示列表[字符]自动推断出正确的转换逻辑。

使用cattrs.struct：调用cattrs.struct()函数，将原始字典数据和目标属性类作为参数确定。

以下是完整的cattrs方案代码：fromtypesimportListfromattrsimportdefine，fieldfromcattrsimportstruct#导入cattrs的结构函数#解决样本数据data_source={quot；charactersquot；：[{quot；first_namequot；：quot；Duffyquot；，quot；last_namequot；：quot；Duckquot；}，{quot；first_namequot；： “Bugs”；，“last_name”；：“Bunny”；}，{“first_name”；：“Sylvester”；，“last_name”；：“Pussycat”；}，{“first_name”；：“Elmar”；，“last_name”；：“Fudd”；}，{“first_name”； “Tweety”；，“last_name”；： ”Bird”；}， {“first_name”；： “Sam”；， “last_name”；： “Yosemite”；}， {“first_name”；： “Wile E.”；， “last_name”；： “Coyote”；}， {“first_name”；： “Road”；， “last_name”；： “Runner”；}， ]}# 定义内部的字符类@define(kw_only=True)class 字符：first_name：str last_name：str#定义外部的LooneyToons转换类，注意去掉了转换器参数@defineclass LooneyToons：字符：List[Character] = field(factory=list)#使用cattrs.struct进行looney_tunes_instance = Structure(data_source， LooneyToons)print(looney_tunes_instance)#预期输出：# LooneyToons(characters=[Character(first_name='Duffy'，last_name='Duck')，Character(first_name='Bugs'，last_name='Bunny')，Character(first_name='Sylvester'，last_name='Pussycat')，C

字符(first_name='Elmar'，last_name='Fudd')， 字符(first_name='Tweety'，last_name='Bird')， 字符(first_name='Sam'，last_name='Yosemite')， 字符(first_name='Wile E.'，last_name='Coyote')， 字符(first_name='Road'，last_name='Runner')])#验证类型print(isinstance(looney_tunes_instance.characters[0]，Character)) # True登录后复制

在这个例子中，cattrs.struct(data_source， LooneyToons) 会执行以下操作：它检查LooneyToons的类型提示。发现字符字段被标记为List[Character]。cattrs 遍历 data_source['characters']中的每一个字典。对于每一个字典，cattrs知道它需要将其转换为一个字符实例，因此它会自动调用 Character(**dict_item) 来创建对象。最终，所有创建的Character实例被收集到一个列表中，并赋值给looney_tunes_instance.characters。总结与注意事项attrs的转换器与cattrs.structs的转换：attrs内置的转换器适用于简单的、单值到单值的。当需要处理对象、列表或复杂的类型映射时，cattrs是更专业、更强大的选择。类型提示的重要性：cattrs严重依赖于Python的类型提示来理解如何进行数据转换。确保你的attrs类字段都带有准确的类型提示。灵活与扩展：cattrs提供了注册自定义转换器转换（register_struction_hook）的能力，这使得它能够处理各种非标准的数据类型或特殊的转换逻辑，进一步增强了其灵活性。减少样板代码：通过使用cattrs，你可以将数据的复杂逻辑从业务代码中解耦出来，使得attrs类的定义更加纯粹，只关注数据本身结构。

通过结合attrs定义清晰的数据模型和cattrs 自动化数据映射，开发者可以更高效、更优雅地处理Python中的复杂数据结构，显着提高代码的约束性、可维护性和健壮性。

以上就是attrs 与 cattrs：优雅预览处理数据结构教程的详细文章，内容更多请关注乐哥常识网其他相关！