本文介绍一种实用方法，将 Pydantic v2 的 BaseModel 动态转换为原生 dataclasses.dataclass，保留字段名、类型注解及默认值/默认工厂，不支持验证器和 Annotated 等高级特性，适用于需脱离 Pydantic 运行时依赖的轻量场景。
本文介绍一种实用方法，将 pydantic v2 的 `basemodel` 动态转换为原生 `dataclasses.dataclass`，保留字段名、类型注解及默认值/默认工厂，不支持验证器和 `annotated` 等高级特性，适用于需脱离 pydantic 运行时依赖的轻量场景。
在实际开发中，有时需要将已定义的 Pydantic 模型（尤其是用于数据建模或配置解析的 BaseModel 子类）迁移至标准库 dataclass —— 例如为降低依赖、适配仅支持 dataclass 的序列化工具（如 dataclasses-json）、或在无 Pydantic 运行时环境中复用结构定义。虽然 Pydantic 本身不提供官方转换工具，但借助其公开的 model_fields 接口与 dataclasses.make_dataclass，可实现可靠、可复用的转换逻辑。
以下是一个经过验证的转换函数：
from pydantic import BaseModel
from pydantic_core import PydanticUndefined
import dataclasses
from typing import Any, Type, List, Mapping, Annotated
import uuid
def pydantic_to_dataclass(
klass: Type[BaseModel],
classname: str = None,
) -> Any:
"""
将 Pydantic v2 BaseModel 转换为标准 dataclass。
✅ 支持：
- 字段名与类型注解（基础类型及泛型，如 List[Mapping]）
- 默认值（via `Field(default=...)`）
- 默认工厂（via `Field(default_factory=...)`）
❌ 不支持：
- 验证器（validators、field validators）
- 别名（alias）、校验约束（max_length 等）
- `Annotated[T, ...]` 类型（会退化为 `T`）
- `Optional` 以外的复杂联合类型（如 `Union[str, int]` 可能丢失信息）
⚠️ 注意：dataclass 字段顺序可能与原始模型不同（因 positional-only 字段需前置），建议显式传参或使用 `kw_only=True`（Python 3.10+）。
"""
dataclass_args = []
for name, field_info in klass.model_fields.items():
# 提取干净的类型注解（忽略 Annotated 包装）
annotation = field_info.annotation
if hasattr(annotation, '__origin__') and annotation.__origin__ is Annotated:
annotation = annotation.__args__[0]
if field_info.default_factory is not None:
dc_field = dataclasses.field(default_factory=field_info.default_factory)
dataclass_args.append((name, annotation, dc_field))
elif field_info.default is not PydanticUndefined:
dc_field = dataclasses.field(default=field_info.get_default())
dataclass_args.append((name, annotation, dc_field))
else:
dataclass_args.append((name, annotation))
# 确保带默认值的字段排在无默认值字段之后（符合 dataclass 规则）
dataclass_args.sort(key=lambda arg: len(arg) > 2)
return dataclasses.make_dataclass(
cls_name=classname or f'__{klass.__name__}Dataclass',
fields=dataclass_args,
# 可选：启用 keyword-only 初始化（推荐 Python 3.10+）
# kw_only=True,
)
使用示例：
Python 3.14.2是Python编程语言在2025年12月5日发布的稳定版本，属于3.14系列的第二个维护更新。该版本包含了18项修复，重点解决了多进程、数据类及正则表达式等模块的回归问题，并修复了CVE-2025-12084等安全漏洞。此版本标志着自由线程模式（移除GIL）正式获得官方支持，是Python发展的重要里程碑。
class ModelForTest(BaseModel):
a: int
b: str = Field(..., alias='alias_b', max_length=5)
c: str = 'ccc'
d: List[Mapping]
e: bool = None
f: Annotated[str, Field(default_factory=lambda: str(uuid.uuid4()))]
# 转换为 dataclass
DC = pydantic_to_dataclass(ModelForTest, classname='TestConfig')
# 实例化（注意字段顺序！推荐使用关键字参数）
instance = DC(
a=42,
b="hello",
d=[{"key": "val"}],
# c, e, f 使用默认值
)
print(instance.c) # → 'ccc'
print(instance.f) # → UUID 字符串
关键注意事项：
- 字段顺序：dataclass 要求无默认值字段必须在前，因此转换后字段顺序可能与原模型不同。强烈建议实例化时使用关键字参数，避免位置混淆。
- 类型简化：Annotated[str, ...] 会被降级为 str；复杂类型如 Union、Literal 可能无法完整保留，需手动校验。
- 运行时行为差异：生成的 dataclass 不具备 Pydantic 的自动验证、序列化（.model_dump()）、别名映射等功能，仅作为纯数据容器使用。
- 兼容性：该方案基于 Pydantic v2.x（model_fields API），不兼容 v1.x（需改用 __fields__）。
如需进一步增强（如支持嵌套模型递归转换、保留文档字符串、注入 __post_init__），可在上述骨架基础上扩展。对于生产环境，建议添加单元测试覆盖边界情况（如 None 默认值、Callable 工厂、嵌套泛型等），并结合 typing.get_type_hints() 提升类型解析鲁棒性。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
