معرفی شرکت ها
cleandev-framework-0.1.7
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
Adaptadores de modelos de base de datos
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | cleandev-framework-0.1.7 |
| نام | cleandev-framework |
| نسخه کتابخانه | 0.1.7 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Daniel Rodriguez Rodriguez |
| ایمیل نویسنده | danielrodriguezrodriguez.pks@gmail.com |
| آدرس صفحه اصلی | https://gitlab.com/cleansoftware/libs/public/cleandev-framework |
| آدرس اینترنتی | https://pypi.org/project/cleandev-framework/ |
| مجوز | - |
# Cleandev Framework
Esta librería ofrece la posibilidad de transformar modelos en dto y dto en modelos de una forma fácil, esto lleva
acoplado una reglas a la hora de nombrar las clases que representan los dto con respecto a los modelos de base de datos
a cambio ofrece un código muchísimo más compacto y escalable
# Diagrama
## Clases
Principalmente existen dos clases `ModelAdapter` y `DataClassAdapter`
`DataClassAdapter` se encarga de convertir modelos en clases de datos
`ModelAdapter` se encarga de convertir clases de datos en modelos
Para que la magia suceda debe existir una relacion de nombres entre los nombres de las clases que representan los modelos
de base de datos y las clases que representan la clase de datos o "dataclass", por ejemplo:
Si tenemos un modelo de base de datos llamado `User` la clase de datos que representa ese modelo debera llamarse
`_UserDataClass` de este modo la librera es capaz de transformar entre tipos de modelos y tipo de clase de datos.
Tiene una pinta similar a esta:
```python
from typing import Optional
from dataclasses import field
from sqlalchemy import String
from sqlalchemy import Column
from postgresql_db import Base
from dataclasses import dataclass
from cleandev_validator import DataClass
from postgresql_db.inmutables import _Params
from cleandev_validator import _DataClassConstrains
class User(Base):
__tablename__ = 'user'
uuid = Column(String, primary_key=True)
username = Column(String)
email = Column(String)
lastname = Column(String)
def __init__(self, **kwargs):
self.uuid = kwargs.get(_Params.UUID)
self.username = kwargs.get(_Params.USERNAME)
self.email = kwargs.get(_Params.EMAIL)
self.lastname = kwargs.get(_Params.LASTNAME)
@dataclass()
class _UserDataClass(DataClass):
uuid: str
username: str
email: str
lastname: Optional[str] = field(default=None)
def __post_init__(self):
super(_UserDataClass, self)._validate(**self.__dict__)
@property
def __constrains__(self):
return {
'uuid': str(_DataClassConstrains.STR),
'username': str(_DataClassConstrains.STR),
'email': str(_DataClassConstrains.STR),
'lastname': str(_DataClassConstrains.STR)
}
```
### DataClassAdapter
Posee dos metodos para el usuario final `model_to_dataclass` y `list_models_to_list_dict`
`model_to_dataclass` Dado un modelo lo convierte a su correspondiente clase de datos
`list_models_to_list_dict` Dado una lista de modelos retorna una lista de variables tipo `dict` con los valores de las
clases de datos, en el caso que desearas una instancia de la clase de datos bastaria con pasarle el diccionario en el
constructor poniendo `**` delante del diccionario
#### model_to_dataclass()
Dado un modelo lo convierte a su correspondiente clase de datos
```python
from models import User
from models import _UserDataClass
from cleandev_framework import DataClassAdapter
if __name__ == '__main__':
user: User = User(
uuid='0548604f-4990-482b-977a-7c4164c816a9',
username='Daniel',
email='daniel@mail.com',
lastname='Rodriguez'
)
user_data_class: _UserDataClass = DataClassAdapter.model_to_dataclass(user)
user_data_class.__fields__ # ['uuid', 'username', 'email', 'lastname']
user_data_class.__filter__(['username', 'email']) # {'username': 'Daniel', 'email': 'daniel@mail.com'}
user_data_class.__dict__
# {'uuid': '0548604f-4990-482b-977a-7c4164c816a9', 'username': 'Daniel', 'email': 'daniel@mail.com', 'lastname': 'Rodriguez'}
```
#### list_models_to_list_dict()
Dado una lista de modelos retorna una lista de variables tipo `dict` con los valores de las
clases de datos, en el caso que desearas una instancia de la clase de datos bastaria con pasarle el diccionario en el
constructor poniendo `**` delante del diccionario
```python
import json
from cleandev_framework import DataClassAdapter
from models import User
if __name__ == '__main__':
user: User = User(
uuid='0548604f-4990-482b-977a-7c4164c816a9',
username='Daniel',
email='daniel@mail.com',
lastname='Rodriguez'
)
# Supongamos que son usuario diferetes =)
list_users: list = [user, user, user]
list_dict: dict = DataClassAdapter.list_models_to_list_dict(list_users)
print(json.dumps(list_dict, indent=4))
[
{
"uuid": "0548604f-4990-482b-977a-7c4164c816a9",
"username": "Daniel",
"email": "daniel@mail.com",
"lastname": "Rodriguez"
},
{
"uuid": "0548604f-4990-482b-977a-7c4164c816a9",
"username": "Daniel",
"email": "daniel@mail.com",
"lastname": "Rodriguez"
},
{
"uuid": "0548604f-4990-482b-977a-7c4164c816a9",
"username": "Daniel",
"email": "daniel@mail.com",
"lastname": "Rodriguez"
}
]
```
### ModelAdapter
Se encarga de convertir clases de datos en modelos
#### dataclass_to_model()
```python
from models import User
from models import _UserDataClass
from cleandev_framework import DataClassAdapter
if __name__ == '__main__':
user: User = User(
uuid='0548604f-4990-482b-977a-7c4164c816a9',
username='Daniel',
email='daniel@mail.com',
lastname='Rodriguez'
)
user_data_class: _UserDataClass = DataClassAdapter.model_to_dataclass(user)
user_data_class.__fields__ # ['uuid', 'username', 'email', 'lastname']
user_data_class.__filter__(['username', 'email']) # {'username': 'Daniel', 'email': 'daniel@mail.com'}
user_data_class.__dict__
# {'uuid': '0548604f-4990-482b-977a-7c4164c816a9', 'username': 'Daniel', 'email': 'daniel@mail.com', 'lastname': 'Rodriguez'}
```
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.9 | Python |
نحوه نصب
نصب پکیج whl cleandev-framework-0.1.7:
pip install cleandev-framework-0.1.7.whl
نصب پکیج tar.gz cleandev-framework-0.1.7:
pip install cleandev-framework-0.1.7.tar.gz