JSON a Dataclass de Python

Ejemplo de salida: @dataclass estándar

Entrada:

{ "first_name": "Alice", "age": 30, "email": null, "tags": ["admin"] }

Salida (Python 3.10+):

from dataclasses import dataclass, field
from typing import Optional


@dataclass
class User:
    first_name: str
    age: int
    tags: list[str] = field(default_factory=list)
    email: Optional[str] = None

Misma entrada con Pydantic

from typing import Optional
from pydantic import BaseModel


class User(BaseModel):
    first_name: str
    age: int
    email: Optional[str] = None
    tags: list[str] = []

Mapeo de tipos

Dataclass vs Pydantic vs TypedDict

Errores comunes

• Olvidar default_factory para valores mutables. Un valor por defecto list[str] = [] es una trampa de dataclass (compartido entre instancias). Usa field(default_factory=list).
• Opcional sin valor por defecto. email: Optional[str] sin = None aún requiere el argumento. Coincide con la semántica de tu JSON.
• Pydantic v1 vs v2. La sintaxis y los comportamientos difieren (clase Config vs model_config, validator vs field_validator). El generador predetermina v2.
• El orden de la unión importa para la deserialización. Pydantic prueba tipos en el orden de declaración. Coloca el más específico primero (por ejemplo, int antes de str) si es posible la ambigüedad.