Wandelt JSON in ein sofort lauffähiges deklaratives Modell für SQLAlchemy 2.0 um: eine Klasse Base(DeclarativeBase), Mapped[...]-Type-Hints mit mapped_column(), nullable-Flags, __tablename__ und einen Integer-Primärschlüssel.
Ein guter Ausgangspunkt, wenn ein FastAPI- oder Flask-Backend Request-JSON oder aus einem anderen System geladene Daten in einer Tabelle speichern muss, für die es noch kein Modell gibt.
nullable=True erkannt wird.Modellname ein (Standard MyModel); __tablename__ ist dieser Name in Upper Snake Case.models.py. Hat dein Projekt bereits eine Base, lösche die erzeugte und importiere deine, damit alle Modelle dieselben metadata teilen.{
"isbn": "978-0-13-468599-1",
"title": "The Pragmatic Programmer",
"pages": 352,
"rating": 4.7,
"available": true,
"published_at": "2019-09-13"
}from datetime import date
from sqlalchemy import Boolean, Date, Float, Integer, String
from sqlalchemy.orm import DeclarativeBase, Mapped, mapped_column
class Base(DeclarativeBase):
pass
class Book(Base):
__tablename__ = "BOOK"
id: Mapped[int] = mapped_column(Integer, primary_key=True)
isbn: Mapped[str] = mapped_column(String(255), nullable=False)
title: Mapped[str] = mapped_column(String(255), nullable=False)
pages: Mapped[int] = mapped_column(Integer, nullable=False)
rating: Mapped[float] = mapped_column(Float, nullable=False)
available: Mapped[bool] = mapped_column(Boolean, nullable=False)
published_at: Mapped[date] = mapped_column(Date, nullable=False)Die isbn mit Bindestrichen bleibt String(255), pages wird zu Integer, rating zu Float und published_at, ein Datum ohne Uhrzeit, zu Date mit dem Hint date. Jeder Wert ist vorhanden, daher sind alle Spalten nullable=False.
class Base(DeclarativeBase): pass und importiert nur die tatsächlich verwendeten SQLAlchemy-Typen und datetime-Namen.Integer/int (BigInteger für große Werte), Dezimalzahlen → Float, Booleans → Boolean, YYYY-MM-DD → Date/date, Datum mit Uhrzeit → DateTime/datetime, Objekte und Arrays → JSON mit dict/list.String(255) oder Text, wenn ein Beispielwert länger als 255 Zeichen ist, damit sich die Tabelle auch auf MySQL anlegen lässt.publishedAt, home-url), wird der ursprüngliche Key als Spaltenname übergeben: mapped_column("publishedAt", ...). Python-Schlüsselwörter und metadata bekommen ein angehängtes _.Mapped[str | None] als auch nullable=True.Integer, das auch unter SQLite automatisch hochzählt; eine String-id in deinem JSON wird zu einem String(255)-Schlüssel, und eine große ganzzahlige id verwendet BigInteger().with_variant(Integer, "sqlite").Hast du das Beispiel-Request-JSON für ein Pydantic-Schema schon, erzeuge das SQLAlchemy-Modell aus demselben JSON und schreibe sofort den Ablauf mit session.add(Book(**payload)).
Sobald das Modell in Base.metadata registriert ist, erzeugt alembic revision --autogenerate aus dieser Klasse eine create_table-Migration.
str | None-Hints brauchen Python 3.10+. In älteren Versionen schreibst du Optional[str] mit from typing import Optional.__tablename__ ist großgeschrieben (BOOK). PostgreSQL verlangt dann in rohem SQL Anführungszeichen, daher ändern viele Projekte ihn in books.db.Model statt von der erzeugten Base.Float ist eine binäre Gleitkommazahl; verwende für Preise Numeric(10, 2) mit Decimal.id Integer statt BigInteger?SQLite zählt nur eine Spalte automatisch hoch, die exakt als INTEGER PRIMARY KEY deklariert ist; mit Integer verhalten sich lokale Tests und Produktion also gleich. Nur wenn deine Daten bereits IDs über 32 Bit haben, wechselt der Schlüssel zu BigInteger mit einer SQLite-Variante.
__table_args__)?Nein. Die Tabelle landet im Standardschema der Verbindung. Um ein anderes PostgreSQL-Schema anzusprechen, ergänze selbst __table_args__ = {"schema": "billing"}.
Column()-Syntax von SQLAlchemy 1.4?Ausgegeben wird nur der 2.0-Stil (Mapped, mapped_column, DeclarativeBase). Für 1.4 verwendest du declarative_base() und schreibst jede Zeile als title = Column(String(255), nullable=False) um.