Использование Pydantic сегодня стало нормой, и это правильно. Но иногда на ревью вижу, что используют его не всегда корректно.
Например, метод BaseModel.model_dump() по умолчанию не преобразует стандартные типы, такие как datetime, UUID или Decimal, в простой сериализуемый для JSON вид. Тогда пишут кастмоный сериализатор для этих типов чтобы функция json.dump() не падала с ошибкой.
import uuid
from datetime import datetime
from decimal import Decimal
from uuid import UUID
from pydantic import BaseModel
class MyModel(BaseModel):
id: UUID
date: datetime
value: Decimal
obj = MyModel(
id=uuid.uuid4(),
date=datetime.now(),
value='1.23'
)
print(obj.model_dump())
# не подходит для json.dump
# {
# 'id': UUID('4f8c1bc4-25fd-40cd-9dbe-2c73639b0dc1'),
# 'date': datetime.datetime(2025, 12, 12, 12, 12, 12, 111111),
# 'value': Decimal('1.23')
# }
# добавляем свой кастомный сериализатор
json.dumps(obj.model_dump(), cls=MySerializer)
# {
# 'id': '4f8c1bc4-25fd-40cd-9dbe-2c73639b0dc1',
# 'date': '2025-12-12T12:12:12.111111',
# 'value': '1.23'
# }
В данном случае класс MySerializer обрабатывает datetime, UUID и Decimal. Например так:
class MySerializer(json.JSONEncoder):
def default(self, o):
if isinstance(o, Decimal):
return str(o)
elif isinstance(o, datetime):
return o.isoformat()
elif isinstance(o, UUID):
return str(o)
return super().default(o)
Специально для тех, кто всё еще так делает - в этом нет необходимости!
Pydantic может это сделать сам, просто нужно добавить параметр mode="json".
json.dumps(obj.model_dump(mode="json"))
# {
# 'id': '4f8c1bc4-25fd-40cd-9dbe-2c73639b0dc1',
# 'date': '2012-12-12T12:12:12.111111',
# 'value': '1.23'
# }
#pydantic#libs
#java
The Model Context Protocol (MCP) Java SDK helps developers connect AI models with tools and data sources using a standardized interface. It supports both synchronous and asynchronous communication, making it flexible for different applications. The SDK includes features like tool management, logging, and multiple transport options, which simplify interactions between AI systems and external tools. This benefits users by providing a consistent way to integrate AI with various data sources, reducing the complexity of managing multiple connectors for different tools.
https://github.com/modelcontextprotocol/java-sdk
#java
BookLore is a self-hosted web app that helps you organize, manage, and read your personal book collection easily. You can sort books into libraries and shelves, automatically get book details from sources like Goodreads, and track your reading progress on PDFs and eBooks with a built-in reader. It supports multiple users with separate accounts and secure login options, so everyone can manage their own books without mixing collections. You can upload many books at once, share books by email (great for Kindle users), and browse books via compatible reading apps. This gives you full control over your digital library with a clean, modern interface and continuous updates[1][2][5].
https://github.com/adityachandelgit/BookLore
JSpecify — стандартизация Java-аннотаций для статического анализа кода и взаимодействия между языками JVM.
Если вы знакомы с Java или изучали исходный код, то одним из решений проблемы null является использование аннотаций nullability. Однако реализаций таких аннотаций много: JetBrains, Android Jetpack, Spring, Uber и другие создали свои версии.
Решений очень много, и возникла проблема выбора и поддержки. Хотелось бы иметь стандарт в Java, но договориться не удалось.
Консорциум компаний и команд из Google, JetBrains, Meta, Kotlin, Android, Spring, PMD, Sonar, EISOP и других объединился и создал единый стандарт, который обязуются поддерживать в своих решениях.
JSpecify 1.0 сосредоточен на nullability и содержит четыре аннотации: @NonNull, @Nullable, @NullMarked, @NullUnmarked.
Интеграция уже началась в библиотеки Jetpack Android и Kotlin.
#java
Java Backend
1 - dars. Kirish
- JVM, JRE, JDK
- Java qanday ishlaydi?
- O‘zgaruvchilar
- Maʼlumot turlari
- Kommentariyalar
- Chiqarish
Mentor : Hasan Po‘latov
#java
👉@ummat_uchun_dasturlash