python - pydantic v2 下，如何实现对象化一个列表？

Question

pydantic v2 下，如何实现对象化一个列表？作为 ptdantic v1 下 parse_obj_as 的替代品

需求：

一般都是把 dict 转成 pydantic 对象，但是如果我有很多个 dict，我需要转成一堆 pydantic 对象，比如把 list[dict] 转成 list[Item], 我会用列表生成式 [Item.model_validate(d) for d in dict_list]

但是有除了列表生成式之外更加优雅的方式吗？而且我主要担心的是，列表生成式不是最佳性能方案？

因为有一个程序需要频繁且巨量的序列化和反序列化，我需要关注性能

---

下面是 chatgpt 给我的答案：

如果你希望避免创建额外的 Pydantic 模型，同时直接对象化一个列表，可以利用 Pydantic 的 parse_obj_as 函数。这个函数允许你将一个普通的列表解析为 Pydantic 对象的列表。

下面是一个简洁的例子，展示如何直接对象化一个列表，而不需要创建额外的容器模型：

1. 定义 Pydantic 模型：

   • 仅定义一个表示列表项的模型。

from pydantic import BaseModel, parse_obj_asfrom typing import Listclass Item(BaseModel):    id: int    name: str# 示例数据data = [    {"id": 1, "name": "Item 1"},    {"id": 2, "name": "Item 2"}]# 解析数据items = parse_obj_as(List[Item], data)# 打印结果for item in items:    print(item)

在这个例子中：

• Item 模型表示列表中的单个项。
• data 是一个字典列表，表示需要解析的数据。
• parse_obj_as(List[Item], data) 将 data 解析为 Item 对象的列表。

2. 访问列表中的数据：

   • 解析后的 items 是 Item 对象的列表，可以直接操作。

for item in items:    print(f"ID: {item.id}, Name: {item.name}")

这种方法避免了创建额外的容器模型，保持了代码的简洁性，同时利用 Pydantic 的数据验证和类型检查功能。

上面的回答在 pydantic v1 下面确实是可以使用的，但是 pydantic v2 的 api 变更了

@deprecated(    '`parse_obj_as` is deprecated. Use `pydantic.TypeAdapter.validate_python` instead.',    category=None,)def parse_obj_as(type_: type[T], obj: Any, type_name: NameFactory | None = None) -> T:    warnings.warn(        '`parse_obj_as` is deprecated. Use `pydantic.TypeAdapter.validate_python` instead.',        category=PydanticDeprecatedSince20,        stacklevel=2,    )    if type_name is not None:  # pragma: no cover        warnings.warn(            'The type_name parameter is deprecated. parse_obj_as no longer creates temporary models',            DeprecationWarning,            stacklevel=2,        )    return TypeAdapter(type_).validate_python(obj)

因为 chatgpt 的数据库比较老，只有 pydantic v1 的，而我需要 v2 的

但是关于上面的代码提示我不知道去哪里导入 validate_python？

Answer 1

TypeAdapter：https://docs.pydantic.dev/2.1/usage/type_adapter/

from typing import Listfrom pydantic import BaseModel, TypeAdapterclass Item(BaseModel):    id: int    name: str# `item_data` could come from an API call, eg., via something like:# item_data = requests.get('https://my-api.com/items').json()item_data = [{'id': 1, 'name': 'My Item'}]items = TypeAdapter(List[Item]).validate_python(item_data)print(items)#> [Item(id=1, name='My Item')]