Use Pydantic Dataclasses and Features if available

.github/workflows/unittests.yml

@@ -10,6 +10,7 @@ jobs:
     strategy:
       matrix:
         python-version: ["3.11", "3.12"]
+        pydantic: [true, false]
         os: [ubuntu-latest]
     steps:
       - uses: actions/checkout@v4
@@ -21,6 +22,9 @@ jobs:
         run: |
           python -m pip install --upgrade pip
           pip install tox
+      - name: install pydantic if requested
+        if: matrix.run_step == 'true'
+        run: pip install -r dev_requirements/requirements-pydantic.txt
       - name: Run the Unit Tests via Tox
         run: |
           tox -e tests

README.md

@@ -79,6 +79,54 @@ assert {awf.pruefidentifikator for awf in ahb.anwendungsfaelle} == {
 
 Die vollständigen Beispiele finden sich in den [unittests](unittests).
 
+### Verwendung mit Pydantic
+Per default verwendet fundamend die [dataclasses aus der Python-Standardlibrary](https://docs.python.org/3/library/dataclasses.html).
+Es lässt sich aber auch direkt mit [Pydantic](https://docs.pydantic.dev/latest/) und den [Pydantic dataclasses](https://docs.pydantic.dev/2.7/concepts/dataclasses/) verwenden.
+Wenn entweder pydantic schon installiert ist, oder mittels
+```bash
+pip install fundamend[pydantic]
+```
+mit installiert wird, dann sind Datenmodelle, die von `AhbReader` und `MigReader` zurückgegeben werden, automatisch pydantic Objekte.
+
+Mit Pydantic können die Ergebnisse auch leicht bspw. als JSON exportiert werden:
+```python
+from pathlib import Path
+
+from pydantic import RootModel
+from fundamend import Anwendungshandbuch, AhbReader
+
+ahb = AhbReader(Path("UTILTS_AHB_1.1d_Konsultationsfassung_2024_04_02.xml")).read()
+ahb_json = RootModel[Anwendungshandbuch](ahb).model_dump(mode="json")
+```
+
+Das Ergebnis sieht dann so aus:
+```json
+{
+  "veroeffentlichungsdatum": "2024-04-02",
+  "autor": "BDEW",
+  "versionsnummer": "1.1d",
+  "anwendungsfaelle": [
+    {
+      "pruefidentifikator": "25001",
+      "beschreibung": "Berechnungsformel",
+      "kommunikation_von": "NB an MSB / LF",
+      "format": "AWF",
+      "segments": [
+        {
+          "id": "UNH",
+          "name": "Nachrichten-Kopfsegment",
+          "number": "00001",
+          "ahb_status": "Muss",
+          "data_elements": [
+            {
+              "id": "D_0062",
+              "name": "Nachrichten-Referenznummer",
+              "codes": []
+            },
+```
+
+### JSON Schemas
+Das fundamend Datenmodell ist auch als JSON Schema verfügbar: [`json_schemas`](json_schemas).
 
 ## Verwendung und Mitwirken
 Der Code ist MIT-lizenziert und kann daher frei verwendet werden.

dev_requirements/requirements-pydantic.in

@@ -0,0 +1 @@
+pydantic

dev_requirements/requirements-pydantic.txt

@@ -0,0 +1,16 @@
+#
+# This file is autogenerated by pip-compile with Python 3.11
+# by the following command:
+#
+#    pip-compile requirements-pydantic.in
+#
+annotated-types==0.7.0
+    # via pydantic
+pydantic==2.7.2
+    # via -r requirements-pydantic.in
+pydantic-core==2.18.3
+    # via pydantic
+typing-extensions==4.12.0
+    # via
+    #   pydantic
+    #   pydantic-core

dev_requirements/requirements-type_check.txt

@@ -9,5 +9,5 @@ mypy==1.10.0
     # via -r dev_requirements/requirements-type_check.in
 mypy-extensions==1.0.0
     # via mypy
-typing-extensions==4.10.0
+typing-extensions==4.12.0
     # via mypy