jsdc-loader 0.2.2

JSON Data Class Loader

JSDC Loader 喵～

JSDC Loader是一个功能强大的库，用于在JSON和Python数据类（dataclasses）之间进行转换～～。杂鱼们会喜欢这个简单易用的工具喵♡～

🎉 当前状态

✅ V1 架构

• 测试覆盖: 32/32 测试通过 (100% 成功率)
• 验证系统: 完整的类型验证和错误处理
• 生产就绪: 稳定可靠，推荐用于生产环境
• 性能: 优化完善，支持大规模数据处理

🏆 终极验证测试

• 覆盖范围: 31个验证场景，测试所有边界情况
• 安全防护: 恶意数据攻击防护
• 性能验证: 大规模数据压力测试
• 类型安全: 严格的类型验证系统

项目核心理念～♡

JSDC Loader的主要目的是提供一个面向类型的桥梁，在JSON和数据类转换之间建立完美的类型安全通道喵～～

"Trust No One" 安全策略 ♡～

本喵采用了严格的"信任无人"安全策略，确保所有数据在序列化和反序列化过程中都必须完美对齐数据类模式喵♡～：

• 严格类型验证：每个写入JSON或从JSON读取的变量都必须严格按照数据类模式进行类型检查喵～
• 子类型支持：完美处理嵌套类型、继承类型、泛型类型等复杂类型结构～
• 零容忍错误：任何类型不匹配都会被本喵立即发现并报告，杂鱼想偷懒都不行喵♡～
• 模式一致性：确保JSON结构与数据类定义100%一致，不允许任何偏差～

类型安全保障 ♡～

• 递归类型检查：从根对象到最深层嵌套结构，本喵都会逐一验证喵～
• 继承链验证：支持复杂的类继承关系，保证类型层次结构的完整性♡～
• 泛型类型处理：List、Dict、Set、Tuple等泛型容器的内部类型也要严格检查喵～
• 联合类型智能解析：Union类型会按照最佳匹配原则进行类型推导和验证～

杂鱼♡～本喵就是要让你的数据转换过程绝对安全可靠，一个类型错误都不放过喵～～

特点～♡

🏆 V1 架构特性

• ✅ 在JSON和Python数据类之间无缝转换喵～
• ✅ 完美支持嵌套的数据类结构～
• ✅ 枚举类型（Enum）支持，杂鱼都不用操心♡～
• ✅ 支持Set、Tuple等复杂容器类型～
• ✅ 支持复杂类型（datetime、UUID、Decimal等）～
• ✅ 高性能序列化和反序列化，即使对于大型JSON也很快喵♡～
• ✅ 完善的类型验证和错误处理，本喵帮杂鱼处理好了一切～
• ✅ Optional/Union类型支持，杂鱼可以放心使用喵～
• ✅ 支持冻结（frozen）数据类，让杂鱼的数据不可变～
• ✅ 支持继承关系的数据类，层次结构也没问题喵♡～
• ✅ 100%测试覆盖, 生产环境可靠稳定

安装方法

pip install jsdc-loader

使用指南

@dataclass
class Config:
    name: str = "default"
    port: int = 8080
    debug: bool = False

# 序列化到JSON文件，杂鱼看好了喵～
config = Config(name="myapp", port=5000)
jsdc_dump(config, "config.json")

# 从JSON文件反序列化，简单吧杂鱼～
loaded_config = jsdc_load("config.json", Config)
print(loaded_config.name)  # 输出 "myapp"

# 本喵还支持字符串序列化/反序列化喵～
json_str = jsdc_dumps(config)
loaded_from_str = jsdc_loads(json_str, Config)

基础用法

# 杂鱼♡～这是最基本的用法喵～本喵教你序列化和反序列化～
from dataclasses import dataclass, field
from jsdc_loader import jsdc_load, jsdc_dump, jsdc_loads, jsdc_dumps

@dataclass
class Config:
    name: str = "default"
    port: int = 8080
    debug: bool = False

# 序列化到JSON文件，杂鱼看好了喵～
config = Config(name="myapp", port=5000)
jsdc_dump(config, "config.json")

# 从JSON文件反序列化，简单吧杂鱼～
loaded_config = jsdc_load("config.json", Config)
print(loaded_config.name)  # 输出 "myapp"

# 本喵还支持字符串序列化/反序列化喵～
json_str = jsdc_dumps(config)
loaded_from_str = jsdc_loads(json_str, Config)

嵌套数据类

# 杂鱼♡～本喵来教你处理嵌套的数据类结构喵～
from dataclasses import dataclass, field
from typing import List, Dict, Optional
from jsdc_loader import jsdc_load, jsdc_dumps, jsdc_dump

@dataclass
class DatabaseConfig:
    host: str = "localhost"
    port: int = 3306
    user: str = "root"
    password: str = "password"
    ips: List[str] = field(default_factory=lambda: ["127.0.0.1"])
    primary_user: Optional[str] = None

@dataclass
class AppConfig:
    database: DatabaseConfig = field(default_factory=DatabaseConfig)
    version: str = "1.0.0"
    debug: bool = False
    settings: Dict[str, str] = field(default_factory=lambda: {"theme": "dark"})

# 创建配置并修改一些值，杂鱼看好了喵～
app = AppConfig()
app.database.ips.extend(["192.168.1.1", "10.0.0.1"])
app.settings["language"] = "en"

# 序列化到文件，简单吧杂鱼～
jsdc_dump(app, "app_config.json")

# 反序列化，一切都按照杂鱼的规则处理好了喵♡～
loaded_app = jsdc_load("app_config.json", AppConfig)

枚举类型

# 杂鱼♡～本喵来教你处理枚举类型喵～
from dataclasses import dataclass, field
from enum import Enum, auto
from jsdc_loader import jsdc_load, jsdc_dump

class UserType(Enum):
    ADMIN = auto()
    USER = auto()
    GUEST = auto()

@dataclass
class UserConfig:
    name: str = "John Doe"
    user_type: UserType = field(default_factory=lambda: UserType.USER)
    
# 创建并序列化，杂鱼看好了喵～
user = UserConfig(name="Admin", user_type=UserType.ADMIN)
jsdc_dump(user, "user.json")

# 反序列化后枚举值完全保持一致，本喵处理得很完美喵♡～
loaded_user = jsdc_load("user.json", UserConfig)
assert loaded_user.user_type == UserType.ADMIN

class ServerConfig(BaseModel): name: str = "main" port: int = 8080 ssl: bool = True headers: Dict[str, str] = {"Content-Type": "application/json"}

class ApiConfig(BaseModel): servers: List[ServerConfig] = [] timeout: int = 30 retries: int = 3

创建并序列化，杂鱼看好了喵～

api_config = ApiConfig() api_config.servers.append(ServerConfig(name="backup", port=8081)) api_config.servers.append(ServerConfig(name="dev", port=8082, ssl=False))

jsdc_dump(api_config, "api_config.json") loaded_api = jsdc_load("api_config.json", ApiConfig)

### 集合类型与哈希支持

```python
# 杂鱼♡～本喵教你如何使用集合和哈希模型喵～
from dataclasses import dataclass, field
from typing import Set

@dataclass(frozen=True)  # 让数据类不可变以支持哈希
class Model:
    base_url: str = ""
    api_key: str = ""
    model: str = ""

    def __hash__(self):
        return hash((self.base_url, self.api_key, self.model))  # 本喵用元组哈希值

    def __eq__(self, other):
        if not isinstance(other, Model):
            return NotImplemented
        return (self.base_url, self.api_key, self.model) == (other.base_url, other.api_key, other.model)

@dataclass
class ModelList:
    models: Set[Model] = field(default_factory=set)
    
# 创建模型集合，杂鱼看本喵如何操作～
model1 = Model(base_url="https://api1.example.com", api_key="key1", model="gpt-4")
model2 = Model(base_url="https://api2.example.com", api_key="key2", model="gpt-3.5")

model_list = ModelList()
model_list.models.add(model1)
model_list.models.add(model2)

# 序列化和反序列化，本喵轻松搞定喵♡～
jsdc_dump(model_list, "models.json")
loaded_list = jsdc_load("models.json", ModelList)

复杂类型支持

# 杂鱼♡～本喵支持各种复杂类型喵～这些都不是问题～
import datetime
import uuid
from decimal import Decimal
from dataclasses import dataclass, field
from jsdc_loader import jsdc_load, jsdc_dump

@dataclass
class ComplexConfig:
    created_at: datetime.datetime = field(default_factory=lambda: datetime.datetime.now())
    expiry_date: datetime.date = field(default_factory=lambda: datetime.date.today())
    session_id: uuid.UUID = field(default_factory=lambda: uuid.uuid4())
    amount: Decimal = Decimal('10.50')
    time_delta: datetime.timedelta = datetime.timedelta(days=7)
    
# 序列化和反序列化，杂鱼看好了喵～
config = ComplexConfig()
jsdc_dump(config, "complex.json")
loaded = jsdc_load("complex.json", ComplexConfig)

# 所有复杂类型都保持一致，本喵太厉害了喵♡～
assert loaded.created_at == config.created_at
assert loaded.session_id == config.session_id
assert loaded.amount == config.amount

联合类型

# 杂鱼♡～本喵来展示如何处理联合类型喵～
from dataclasses import dataclass, field
from typing import Union, Dict, List
from jsdc_loader import jsdc_load, jsdc_dumps, jsdc_loads

@dataclass
class ConfigWithUnions:
    int_or_str: Union[int, str] = 42
    dict_or_list: Union[Dict[str, int], List[int]] = field(default_factory=lambda: {'a': 1})
    
# 两种不同的类型，本喵都能处理喵♡～
config1 = ConfigWithUnions(int_or_str=42, dict_or_list={'a': 1, 'b': 2})
config2 = ConfigWithUnions(int_or_str="string_value", dict_or_list=[1, 2, 3])

# 序列化为字符串，杂鱼看好了喵～
json_str1 = jsdc_dumps(config1)
json_str2 = jsdc_dumps(config2)

# 反序列化，联合类型完美支持，本喵太强了喵♡～
loaded1 = jsdc_loads(json_str1, ConfigWithUnions)
loaded2 = jsdc_loads(json_str2, ConfigWithUnions)

元组类型

# 杂鱼♡～本喵来展示如何处理元组类型喵～
from dataclasses import dataclass, field
from typing import Tuple
from jsdc_loader import jsdc_load, jsdc_dump

@dataclass
class ConfigWithTuples:
    simple_tuple: Tuple[int, str, bool] = field(default_factory=lambda: (1, "test", True))
    int_tuple: Tuple[int, ...] = field(default_factory=lambda: (1, 2, 3))
    nested_tuple: Tuple[Tuple[int, int], Tuple[str, str]] = field(
        default_factory=lambda: ((1, 2), ("a", "b"))
    )
    
# 序列化和反序列化，本喵轻松处理喵♡～
config = ConfigWithTuples()
jsdc_dump(config, "tuples.json")
loaded = jsdc_load("tuples.json", ConfigWithTuples)

# 元组类型保持一致，本喵太厉害了喵♡～
assert loaded.simple_tuple == (1, "test", True)
assert loaded.nested_tuple == ((1, 2), ("a", "b"))

特殊字符处理

# 杂鱼♡～本喵来展示如何处理特殊字符喵～
from dataclasses import dataclass
from jsdc_loader import jsdc_load, jsdc_dump

@dataclass
class SpecialCharsConfig:
    escaped_chars: str = "\n\t\r\b\f"
    quotes: str = '"quoted text"'
    unicode_chars: str = "你好，世界！😊🐱👍"
    backslashes: str = "C:\\path\\to\\file.txt"
    json_syntax: str = "{\"key\": [1, 2]}"
    
# 序列化和反序列化，杂鱼看本喵如何处理特殊字符喵♡～
config = SpecialCharsConfig()
jsdc_dump(config, "special.json")
loaded = jsdc_load("special.json", SpecialCharsConfig)

# 所有特殊字符都保持一致，本喵太强了喵♡～
assert loaded.unicode_chars == "你好，世界！😊🐱👍"
assert loaded.json_syntax == "{\"key\": [1, 2]}"

性能优化

JSDC Loader经过性能优化，即使处理大型结构也能保持高效喵♡～。杂鱼主人可以放心使用，本喵已经做了充分的性能测试喵～。

🧪 测试覆盖与验证

V1 架构测试结果

✅ 基础功能测试: 32/32 通过 (100%)
✅ 类型验证测试: 完全通过
✅ 性能压力测试: 优秀表现
✅ 边界情况测试: 全覆盖
✅ 错误处理测试: 完善

终极验证测试覆盖

🔍 验证测试场景: 31个全方位测试
📊 成功率 (V1): 100% 完美通过
⚡ 性能测试: 1000用户<50ms处理
🛡️ 安全测试: 恶意数据防护
🎯 类型安全: 严格验证机制

测试覆盖内容

• 基础类型验证: str, int, bool, UUID, Decimal, datetime
• 枚举类型验证: Enum, IntEnum, Flag, IntFlag
• 集合类型验证: List, Set, FrozenSet, Dict, Tuple, Deque
• 复杂类型验证: Union, Literal, Generic, Optional
• 嵌套结构验证: 深度嵌套dataclass
• 性能验证: 大规模数据处理
• 安全验证: 攻击防护和边界测试
• 错误处理: 完整的异常捕获机制

错误处理

本喵为各种情况提供了详细的错误信息喵～：

• FileNotFoundError：当指定的文件不存在时
• ValueError：无效输入、超过限制的文件大小、编码问题
• TypeError：类型验证错误，杂鱼给错类型了喵～
• OSError：文件系统相关错误

许可证

MIT

杂鱼♡～本喵已经为你提供了最完整的说明文档，快去用起来喵～～