এই কনভার্টার একটি JSON গঠনকে Pydantic v2 BaseModel ক্লাস বা standard library-র @dataclass কোডে বদলে দেয়। Python স্টাইল অনুযায়ী ফিল্ডের নাম snake_case-এ নতুন করে লেখা হয়, আর প্রতিটি nested অবজেক্ট নিজস্ব ক্লাস পায়।
FastAPI-এর request ও response schema ডিফাইন করার সময়, requests বা httpx দিয়ে আনা ডেটায় type hint যোগ করার সময়, অথবা স্ট্রিং key দিয়ে dict ঘাঁটা ETL ও scraping স্ক্রিপ্ট গোছানোর সময় এটি ব্যবহার করুন।
টাইপের নাম-এ top-level মডেলের নাম দিন (যেমন Forecast)।স্টাইল-এ validation আর alias-এর জন্য Pydantic (v2), অথবা নির্ভরতা ছাড়া মডেলের জন্য dataclass বেছে নিন।models.py-এর মতো একটি মডিউলে কপি করুন। স্টাইল আর type-এর নাম URL-এ সংরক্ষিত থাকে।{
"city": "Seoul",
"updatedAt": "2024-05-01T09:00:00+09:00",
"current": { "temp": 18.5, "humidity": 40 },
"hourly": [
{ "hour": 10, "temp": 19, "rain_mm": 0 },
{ "hour": 11, "temp": 20.5, "rain_mm": 0.4, "alert": "shower" }
]
}from __future__ import annotations
from pydantic import BaseModel, ConfigDict, Field
class Hourly(BaseModel):
hour: int
temp: float
rain_mm: float
alert: str | None = None
class Current(BaseModel):
temp: float
humidity: int
class Forecast(BaseModel):
model_config = ConfigDict(populate_by_name=True)
city: str
updated_at: str = Field(alias="updatedAt")
current: Current
hourly: list[Hourly]
updatedAt হয় updated_at ফিল্ড, যা Field(alias="updatedAt") দিয়ে মূল key-এর সাথে বাঁধা থাকে। hourly-তে temp integer আর দশমিক মিশিয়ে আছে বলে float হয়, আর শুধু দ্বিতীয় আইটেমে থাকা alert হয় str | None = None। ক্লাসগুলো child আগে রেখে লেখা হয়।
Field(alias=...) ব্যবহার করে, আর model_config = ConfigDict(populate_by_name=True) থাকায় Python নাম দিয়েও সেগুলো পূরণ করা যায়।TypeError: non-default argument follows default argument এড়াতে default ছাড়া ফিল্ডগুলো = None ফিল্ডের আগে সরিয়ে আনা হয়; মূল key একটি # JSON: "updatedAt" কমেন্ট হিসেবে থাকে।str, int, float, bool, list[...], আর মিশ্র type-এর ভ্যালুর জন্য Any।null থাকা ফিল্ড হয় X | None = None।class, from বা type-এর মতো Python keyword-এর শেষে আন্ডারস্কোর যোগ হয় (class_)।from __future__ import annotations যুক্ত থাকে, তাই ক্রম যা-ই হোক ক্লাসগুলো একে অপরকে reference করতে পারে।Root = list[RootItem]-এর মতো একটি alias তৈরি হয়।ফ্রন্টএন্ডের সাথে একমত হওয়া JSON থেকে BaseModel তৈরি করে response_model=-এ বা endpoint parameter হিসেবে ব্যবহার করুন; OpenAPI ডকুমেন্টেশন স্বয়ংক্রিয়ভাবে সাথে আসে।
কলগুলো Forecast.model_validate(resp.json())-এ মুড়ে দিন, তাহলে প্রোভাইডার কোনো ফিল্ডের type বদলালে ValidationError ঠিক কোন ফিল্ড path ভেঙেছে তা দেখিয়ে দেয়।
data["current"]["temp"]-কে forecast.current.temp-এ বদলালে এডিটরে completion পাওয়া যায় এবং mypy বা pyright কোড চেক করতে পারে।
@dataclass nested dict-কে অবজেক্টে কনভার্ট করে না। Forecast(**data)-এর পরেও current একটি dict-ই থাকে; nested কনভার্শন দরকার হলে Pydantic বা dacite-এর মতো helper ব্যবহার করুন।updatedAt) দিয়ে আবার serialize করতে model_dump(by_alias=True) বা model_dump_json(by_alias=True) কল করুন।str | None syntax ব্যবহার করে, তাই Pydantic মডেলগুলো Python 3.10 বা নতুন ভার্সন ধরে নেয়।str হিসেবে আসে। Pydantic-এ annotation বদলে datetime করলেই ISO 8601 ভ্যালু parse হয়।class Config, parse_obj) তৈরি হয় না।populate_by_name=True কীসের জন্য?ডিফল্টভাবে alias থাকা ফিল্ড ইনপুট হিসেবে শুধু তার alias (updatedAt) গ্রহণ করে। এই সেটিং থাকলে Forecast(updated_at=...)-ও লেখা যায়, যা টেস্টে কাজে আসে।
Optional[str] পছন্দ করি।str | None আর Optional[str] একই অর্থ বহন করে। Python 3.9-এর সাথে সামঞ্জস্য দরকার হলে typing থেকে Optional import করে annotation-গুলো বদলে দিন।
সমর্থিত স্টাইল হলো Pydantic v2 আর dataclass। দরকার হলে dataclass-এর ফিল্ড তালিকা সরাসরি একটি TypedDict বা @attrs.define ক্লাসে নিয়ে যাওয়া যায়।
না। Python নাম মূল key-এর সমান হলে কোনো Field(alias=...) বা ConfigDict লেখা হয় না, তাই rain_mm: float-এর মতো সাধারণ লাইন পাবেন।