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
-
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。
-
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。
-
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。
-
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
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~043CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
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!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (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
860
511

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

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
259
300

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

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
332
1.08 K

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

deepin linux kernel
C
22
5