Convierte JSON en un modelo declarativo de SQLAlchemy 2.0 listo para usar: una clase Base(DeclarativeBase), type hints Mapped[...] con mapped_column(), flags nullable, __tablename__ y una clave primaria Integer.
Es un buen punto de partida cuando un backend FastAPI o Flask tiene que guardar el JSON de las peticiones, o datos descargados de otro sistema, en una tabla que todavía no tiene modelo.
nullable=True.Nombre del modelo (por defecto MyModel); __tablename__ es ese nombre en snake case en mayúsculas.models.py. Si tu proyecto ya tiene un Base, borra el generado e importa el tuyo, para que todos los modelos compartan un mismo metadata.{
"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)El isbn con guiones se queda como String(255), pages pasa a Integer, rating a Float, y published_at, una fecha sin hora, a Date con hint date. Todos los valores están presentes, así que todas las columnas son nullable=False.
class Base(DeclarativeBase): pass e importa solo los tipos de SQLAlchemy y los nombres de datetime que realmente se usan.Integer/int (BigInteger para valores grandes), decimales → Float, booleanos → Boolean, YYYY-MM-DD → Date/date, fechas con hora → DateTime/datetime, objetos y arrays → JSON con dict/list.String(255), o Text cuando un valor de ejemplo supera los 255 caracteres, para que la tabla también se pueda crear en MySQL.publishedAt, home-url), la clave original se pasa como nombre de columna: mapped_column("publishedAt", ...). Las palabras reservadas de Python y metadata reciben un _ al final.Mapped[str | None] además de nullable=True.Integer, que también se autoincrementa en SQLite; un id de tipo cadena en tu JSON pasa a ser una clave String(255), y un id entero grande usa BigInteger().with_variant(Integer, "sqlite").Si ya tienes el JSON de petición de ejemplo para un schema de Pydantic, genera el modelo de SQLAlchemy a partir del mismo JSON y escribe enseguida el flujo session.add(Book(**payload)).
Una vez registrado el modelo en Base.metadata, alembic revision --autogenerate produce una migración create_table a partir de esta clase.
str | None requieren Python 3.10+. En versiones anteriores, escribe Optional[str] con from typing import Optional.__tablename__ va en mayúsculas (BOOK). En ese caso PostgreSQL necesita entrecomillarlo en SQL crudo, así que muchos proyectos lo cambian a books.db.Model en lugar del Base generado.Float es coma flotante binaria; usa Numeric(10, 2) con Decimal para los precios.id usa Integer y no BigInteger?SQLite solo autoincrementa una columna declarada exactamente como INTEGER PRIMARY KEY, así que Integer mantiene el mismo comportamiento en los tests locales y en producción. Solo cuando tus datos ya tienen ids de más de 32 bits la clave pasa a BigInteger con una variante para SQLite.
__table_args__)?No. La tabla va al schema por defecto de la conexión. Para usar otro schema de PostgreSQL, añade tú __table_args__ = {"schema": "billing"}.
Column() de SQLAlchemy 1.4?La salida es solo de estilo 2.0 (Mapped, mapped_column, DeclarativeBase). Para 1.4, usa declarative_base() y reescribe cada línea como title = Column(String(255), nullable=False).