首页
/ cattrs v25.1.0 版本发布:类型转换库的重大更新

cattrs v25.1.0 版本发布:类型转换库的重大更新

2025-07-09 07:06:48作者:沈韬淼Beryl

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_hookBaseConverter.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_defaultdictdefaultdict_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

  1. 标记联合策略增强:现在也支持联合类型的类型别名
  2. TypedDict 验证改进:从无效输入构造 TypedDict 时会正确抛出 ClassValidationError
  3. 泛型类支持include_subclasses 策略现在能正确处理泛型父类
  4. 类型注解改进Converter.copyBaseConverter.copy 现在正确标注为返回 Self 类型
  5. 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

  1. SimpleStructureHook 替换了 MappingStructureFn
  2. Converter.__init__.unstruct_collection_overrides 的类型从 Callable 改为 Mapping[type, UnstructureHook]
  3. 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。

登录后查看全文

项目优选

收起
kernelkernel
openEuler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。
C
511
551
docsdocs
暂无描述
Markdown
854
5.69 K
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.05 K
2.5 K
kernelkernel
deepin linux kernel
C
33
16
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
840
1.28 K
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
849
1.71 K
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.25 K
1.38 K
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.34 K
859
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
511
347
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
789
414