cattrs v25.1.0 版本发布:类型转换库的重大更新
cattrs 是一个强大的 Python 类型转换库,它能够自动在复杂的数据结构和简单数据类型(如字典、列表等)之间进行转换。这个库特别适合处理 attrs 类、dataclass 以及各种 Python 类型注解(如 TypedDict、NamedTuple 等),大大简化了序列化和反序列化的工作。
核心变更与改进
更早的错误检测机制
本次版本中,转换器现在会在创建钩子时就抛出 StructureHandlerNotFoundError 错误,而不是等到实际使用钩子时才抛出。这一改变有助于开发者更早地发现缺少钩子的问题,避免在运行时才遇到错误。
对于需要保持旧行为的用户,可以通过调整默认结构钩子回退工厂来恢复原有行为。
全面支持 typing.Self
新版本增加了对 typing.Self 的全面支持,包括:
- attrs 类
- dataclasses
- TypedDicts
- 使用 dict 工厂的 NamedTuple
这一特性在处理返回类自身实例的方法时特别有用,例如构建器模式或链式调用场景。
PEP 695 类型别名增强
现在可以直接使用 BaseConverter.register_structure_hook 和 BaseConverter.register_unstructure_hook 来注册 PEP 695 类型别名的钩子,而不必再使用 register_structure_hook_func 方法。同时,新版本还增加了对泛型 PEP 695 类型别名的支持。
新增 defaultdict 支持
cattrs 现在默认支持一些 defaultdict 类型,并提供了 is_defaultdict 和 defaultdict_structure_factory 工具函数,方便开发者处理这种常见的数据结构。
性能优化
枚举处理优化
多个预配置转换器(包括 bson、stdlib JSON、cbor2、msgpack、msgspec、orjson 和 ujson)现在会跳过对 int 和 str 枚举的解构,让底层库以更高效率处理这些类型。同时,包含枚举的 Literal 类型现在也能被正确解构。
字典处理改进
预配置转换器现在能够正确处理带有字面量键的字典,提高了这类常见数据结构的处理效率。
msgspec JSON 转换器优化
对于包含私有属性的 dataclass,msgspec JSON 预配置转换器现在能以更高效率进行处理。
其他重要改进
- 标记联合策略增强:现在也支持联合类型的类型别名
- TypedDict 验证改进:从无效输入构造 TypedDict 时会正确抛出
ClassValidationError - 泛型类支持:
include_subclasses策略现在能正确处理泛型父类 - 类型注解改进:
Converter.copy和BaseConverter.copy现在正确标注为返回Self类型 - Python 版本支持:新增 Python 3.13 支持,同时放弃对已停止维护的 Python 3.8 的支持
内部重构
- 用
SimpleStructureHook替换了MappingStructureFn - 将
Converter.__init__.unstruct_collection_overrides的类型从Callable改为Mapping[type, UnstructureHook] - 采用了 Contributor Covenant 行为准则,与 attrs 项目保持一致
总结
cattrs v25.1.0 带来了多项重要改进和新特性,特别是在类型支持、错误处理和性能优化方面。这些变化使得 cattrs 在处理复杂类型转换时更加健壮和高效,同时也提供了更好的开发者体验。对于正在使用或考虑使用类型转换功能的 Python 开发者来说,这个版本值得关注和升级。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C069
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0130
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00