首页
/ 使用attrs库处理复杂字典输入的多字段派生

使用attrs库处理复杂字典输入的多字段派生

2025-06-07 03:14:12作者:翟江哲Frasier

在Python开发中,我们经常需要处理复杂的嵌套字典数据结构,并将其转换为具有明确字段的类对象。attrs库是一个强大的工具,可以帮助我们简化这个过程。本文将介绍如何使用attrs库从单个复杂输入字典中派生出多个字段。

问题场景

假设我们有一个包含联系人信息的嵌套字典结构,其中可能包含多种联系方式(如手机号和电子邮件)。我们的目标是将这个复杂字典转换为一个具有明确字段的类对象,其中每个字段都从原始字典的特定部分提取数据。

解决方案

attrs库提供了几种处理这种情况的方法,其中最优雅的是使用派生属性(Derived Attributes)功能。派生属性允许我们在类初始化后,基于其他字段的值计算新字段的值。

基本实现

首先,我们定义一个辅助函数来处理联系人信息的提取:

def extract_contact(contact_type, contacts):
    """从联系人列表中提取特定类型的联系人信息"""
    for contact in contacts:
        if contact.get('type', {}).get('id') == contact_type:
            if contact_type == 'cell':
                return contact['value']['number']
            elif contact_type == 'email':
                return contact['value']
    return None

然后,我们使用attrs定义我们的类:

from attrs import define, field

@define
class ContactInfo:
    contacts: list = field()  # 原始联系人列表
    
    @property
    def phone(self):
        """派生属性:手机号"""
        return extract_contact('cell', self.contacts)
    
    @property
    def email(self):
        """派生属性:电子邮件"""
        return extract_contact('email', self.contacts)

使用示例

data = {
    'contacts': [
        {
            'type': {'id': 'cell', 'name': 'Mobile'},
            'value': {'number': '111111'}
        },
        {
            'type': {'id': 'email', 'name': 'Email'},
            'value': 'my-email@example.com'
        }
    ]
}

info = ContactInfo(**data)
print(info.phone)  # 输出: 111111
print(info.email)  # 输出: my-email@example.com

进阶技巧

使用缓存提高性能

如果派生属性的计算成本较高,我们可以使用缓存来优化性能:

from functools import cached_property

@define
class CachedContactInfo:
    contacts: list = field()
    
    @cached_property
    def phone(self):
        return extract_contact('cell', self.contacts)
    
    @cached_property
    def email(self):
        return extract_contact('email', self.contacts)

使用转换器预处理数据

我们还可以在字段定义时使用转换器来预处理数据:

@define
class PreprocessedContactInfo:
    phone: str = field(converter=lambda x: extract_contact('cell', x))
    email: str = field(converter=lambda x: extract_contact('email', x))
    
    @classmethod
    def from_raw_data(cls, data):
        return cls(contacts=data['contacts'])

最佳实践

  1. 保持派生逻辑简单:派生属性应该只包含简单的数据转换逻辑,复杂业务逻辑应该放在其他方法中。

  2. 明确文档:为每个派生属性添加清晰的文档字符串,说明其数据来源和格式。

  3. 考虑性能:对于计算密集型的派生属性,考虑使用缓存或惰性计算。

  4. 错误处理:在派生属性中添加适当的错误处理,避免因数据格式问题导致整个对象不可用。

通过使用attrs库的派生属性功能,我们可以优雅地处理复杂的数据结构转换,同时保持代码的清晰和可维护性。这种方法特别适合处理API响应、配置文件等需要从复杂结构中提取多个字段的场景。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.92 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
930
553
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
422
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
65
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8