如何从Pydantic模型自动生成SQLAlchemy/SQLModel等ORM模型？

一、自动化生成SQLModel模型 #

1. 直接从JSON生成（最省心的方式） #

你之前用datamodel-code-generator生成Pydantic模型，其实这个工具本身支持直接输出SQLModel格式，无需先转Pydantic。执行以下命令：

datamodel-codegen --input your_large_data.json --input-type json --output sqlmodel_models.py --output-type sqlmodel

工具会自动处理嵌套结构，生成带主键、基础关联关系的SQLModel类，完全符合SQLModel与Pydantic兼容的语法。

2. 从现有Pydantic模型批量转换 #

如果已经有现成的Pydantic模型，可以写个简单脚本批量转换，核心是替换继承类、添加主键、处理嵌套关联：

import inspect
from pydantic import BaseModel
from sqlmodel import SQLModel, Field, Relationship

def convert_pydantic_to_sqlmodel(pydantic_cls):
    # 基础字段：添加主键
    model_fields = {"id": int = Field(primary_key=True)}
    
    for field_name, field in pydantic_cls.__fields__.items():
        field_type = field.type_
        # 处理嵌套的Pydantic模型
        if inspect.isclass(field_type) and issubclass(field_type, BaseModel):
            # 递归转换嵌套模型
            nested_model = convert_pydantic_to_sqlmodel(field_type)
            # 这里默认按一对一关系处理，可根据业务调整为一对多（用List[nested_model]）
            model_fields[field_name] = Relationship(back_populates=f"{pydantic_cls.__name__.lower()}")
        else:
            model_fields[field_name] = field_type
    
    # 动态生成SQLModel类
    return type(pydantic_cls.__name__, (SQLModel,), model_fields)

# 使用示例
from your_pydantic_models import User, Address
UserSQL = convert_pydantic_to_sqlmodel(User)
AddressSQL = convert_pydantic_to_sqlmodel(Address)

注意：嵌套关联的类型（一对一/一对多）需要根据你的业务逻辑调整Relationship参数，比如一对多场景要把字段类型设为List[nested_model]，并设置uselist=True。

二、自动化生成SQLAlchemy模型 #

1. 直接从JSON生成 #

同样用datamodel-code-generator，指定输出类型为SQLAlchemy：

datamodel-codegen --input your_large_data.json --input-type json --output sqlalchemy_models.py --output-type sqlalchemy

生成的代码会基于SQLAlchemy的DeclarativeBase，自动映射字段类型和基础关联。

2. 从现有Pydantic模型转换 #

借助pydantic-sqlalchemy库实现快速转换：

1. 先安装依赖：

pip install pydantic-sqlalchemy

2. 转换代码示例：

from pydantic import BaseModel
from sqlalchemy.ext.declarative import declarative_base
from pydantic_sqlalchemy import pydantic_to_sqlalchemy
from sqlalchemy import Column, Integer, ForeignKey
from sqlalchemy.orm import relationship

Base = declarative_base()

# 你的现有Pydantic模型
class Address(BaseModel):
    street: str
    city: str

class User(BaseModel):
    name: str
    age: int
    address: Address

# 转换为SQLAlchemy模型
UserSQL = pydantic_to_sqlalchemy(User, Base)
AddressSQL = pydantic_to_sqlalchemy(Address, Base)

# 手动补充关联关系（工具不会自动识别嵌套的关联逻辑）
AddressSQL.user_id = Column(Integer, ForeignKey("user.id"))
AddressSQL.user = relationship("User", back_populates="address")
UserSQL.address = relationship("Address", uselist=False, back_populates="user")

三、关键注意点 #

• 嵌套结构对应数据库的关联关系，工具生成的基础结构需要你根据业务确认是一对一、一对多还是多对多，调整关联参数。
• ORM模型必须有主键，工具生成时会自动添加，但若从无主键的Pydantic模型转换，需要手动或在脚本中补充主键字段。
• 特殊类型（如datetime、UUID）的映射需要验证，确保与数据库字段类型匹配。

内容的提问来源于stack exchange，提问作者masroore