最近在学习开发PyQT项目的时候,由于需要用JsonRPC进行交互,对python自带的dict稍微有点简陋有点头疼.
#需要处理的json的一部分
"L_LR": {
"front_right": {
"reversed": false,
"ratio_p": 0.15000000596046448,
"ratio_n": 0.15000000596046448
},
"front_left": {
"reversed": false,
"ratio_p": 0.15000000596046448,
"ratio_n": 0.15000000596046448
},
"center_right": {
"reversed": false,
"ratio_p": 0.15000000596046448,
"ratio_n": 0.15000000596046448
},
"center_left": {
"reversed": false,
"ratio_p": 0.15000000596046448,
"ratio_n": 0.15000000596046448
},
"back_right": {
"reversed": false,
"ratio_p": 0.15000000596046448,
"ratio_n": 0.15000000596046448
},
"back_left": {
"reversed": false,
"ratio_p": 0.15000000596046448,
"ratio_n": 0.15000000596046448
}
},
面对这种多类型且嵌套,并且有严格格式要求的数据,单纯用dict来标记需要稍微复杂的逻辑
一个自然的想法便是使用专门的类来实现专门的数据结构,但这样写多个类加手写装饰器还是有点伤心智的.
既然自己写会累,那就去python官方或者第三方的库看看?果然不出所料.python在PEP 557 加入了数据类dataclasses — 数据类 — Python 3.10.13 文档
的特性.
具体来说,是:
#社区示范代码
from dataclasses import dataclass
@dataclass
class InventoryItem:
"""Class for keeping track of an item in inventory."""
name: str
unit_price: float
quantity_on_hand: int = 0
def total_cost(self) -> float:
return self.unit_price * self.quantity_on_hand
1.元素均有类型标注
类型标注的好处就是支持IntelliSense的IDE会提示你元素的类型,例如:
front_right=PropellerParamsDataDict(reversed=False, enabled=True, channel=1, deadzone_lower=1000,
deadzone_upper=2000, power_positive=1.0, power_negative=-1.0),
front_left=PropellerParamsDataDict(reversed=True, enabled=True, channel=2, deadzone_lower=1000,
deadzone_upper=2000, power_positive=1.0, power_negative=-1.0),
对于这种代码,由于在编写过程中有类型提示,减少了犯错概率
同时,有了类型标注之后,在你的代码行为导致实际变量类型与预期的类型不一致的时候,ide也会进行报warning
2.dataclass有自己定义的init方法,当然,你也可以选择不要
3.dataclasses有子弹袋的诸多方便方法,例如:
asdict
#社区代码
p = Point(10, 20)
assert asdict(p) == {'x': 10, 'y': 20}
c = C([Point(0, 0), Point(10, 4)])
assert asdict(c) == {'mylist': [{'x': 0, 'y': 0}, {'x': 10, 'y': 4}]}
#我的用法
@pyqtSlot()
def update_propeller_params_from_ui(self):
new_values = self.view.get_propeller_params()
new_values = dataclasses.asdict(new_values)
等等很多有趣且简单的用法