Convertit du JSON en modèle déclaratif SQLAlchemy 2.0 prêt à l'emploi : une classe Base(DeclarativeBase), des annotations Mapped[...] avec mapped_column(), des indicateurs nullable, __tablename__ et une clé primaire Integer.
Un bon point de départ quand un backend FastAPI ou Flask doit stocker le JSON d'une requête, ou des données récupérées d'un autre système, dans une table qui n'a pas encore de modèle.
nullable=True soit détecté.Nom du modèle (par défaut MyModel) ; __tablename__ correspond à ce nom en upper snake case.models.py. Si votre projet a déjà une Base, supprimez celle générée et importez la vôtre, pour que tous les modèles partagent le même 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)L'isbn avec tirets reste String(255), pages devient Integer, rating Float, et published_at, une date sans heure, Date avec une annotation date. Toutes les valeurs sont présentes : toutes les colonnes sont donc nullable=False.
class Base(DeclarativeBase): pass et n'importe que les types SQLAlchemy et noms datetime réellement utilisés.Integer/int (BigInteger pour les grandes valeurs), décimaux → Float, booléens → Boolean, YYYY-MM-DD → Date/date, dates-heures → DateTime/datetime, objets et tableaux → JSON avec dict/list.String(255), ou Text quand une valeur d'exemple dépasse 255 caractères, pour que la table puisse aussi être créée sur MySQL.publishedAt, home-url), la clé d'origine est passée comme nom de colonne : mapped_column("publishedAt", ...). Les mots-clés Python et metadata reçoivent un _ final.Mapped[str | None] en plus de nullable=True.Integer, auto-incrémenté aussi sur SQLite ; un id chaîne dans votre JSON devient une clé String(255), et un grand id entier utilise BigInteger().with_variant(Integer, "sqlite").Si vous avez déjà le JSON de requête d'exemple d'un schéma Pydantic, générez le modèle SQLAlchemy à partir du même JSON et écrivez tout de suite le flux session.add(Book(**payload)).
Une fois le modèle enregistré sur Base.metadata, alembic revision --autogenerate produit une migration create_table à partir de cette classe.
str | None nécessitent Python 3.10+. Sur les versions antérieures, écrivez Optional[str] avec from typing import Optional.__tablename__ est en majuscules (BOOK). PostgreSQL exige alors des guillemets en SQL brut, et beaucoup de projets le remplacent par books.db.Model au lieu de la Base générée.Float est un flottant binaire ; utilisez Numeric(10, 2) avec Decimal pour les prix.id utilise-t-il Integer plutôt que BigInteger ?SQLite n'auto-incrémente qu'une colonne déclarée exactement INTEGER PRIMARY KEY : Integer garantit donc le même comportement en tests locaux et en production. La clé ne passe à BigInteger avec une variante SQLite que si vos données contiennent déjà des ids au-delà de 32 bits.
__table_args__) ?Non. La table va dans le schéma par défaut de la connexion. Pour cibler un autre schéma PostgreSQL, ajoutez vous-même __table_args__ = {"schema": "billing"}.
Column() de SQLAlchemy 1.4 ?La sortie est uniquement en style 2.0 (Mapped, mapped_column, DeclarativeBase). Pour la 1.4, utilisez declarative_base() et réécrivez chaque ligne sous la forme title = Column(String(255), nullable=False).