pydantic 是一个 python 数据验证和设置管理库。它使用 python 类型提示来验证和解析数据,确保您的代码能够处理正确结构化和类型化的数据。通过利用 python 的类似数据类的模型结构,pydantic 可以轻松定义复杂数据的模式,并以干净的 python 方式自动验证和序列化/反序列化数据。让我们来探讨一下主要功能:
使用 python 的类型提示根据模式自动验证输入数据。
from pydantic import basemodel, validationerror
class user(basemodel):
id: int
name: str
email: str
# valid input
user = user(id=1, name="john doe", email="john@example.com")
print(user)
# invalid input
try:
user = user(id="not-an-integer", name="jane", email="jane@example.com")
except validationerror as err:
print(err)
每当你想定义数据模型时,请使用 pydantic.basemodel!
pydantic 提供了强大的工具,不仅可以验证数据模型,还可以验证函数的输入和输出。这是使用 @validate_call 装饰器实现的,允许您对函数参数和返回值强制执行严格的数据验证。如果提供的参数或返回类型与预期类型不匹配,则会引发 validationerror。
from pydantic import validate_call
@validate_call
def greet(name: str, age: int) -> str:
return f"hello {name}, you are {age} years old."
# valid input
print(greet("alice", 30)) # output: hello alice, you are 30 years old.
# invalid input
try:
greet("bob", "not-a-number")
except exception as e:
print(e)
通过在 @validate_call 中启用 validate_return 标志,pydantic 还将根据其带注释的返回类型验证函数的返回值。这可确保函数遵循预期的输出模式。
from pydantic import validate_call
@validate_call(validate_return=true)
def calculate_square(number: int) -> int:
return number ** 2 # correct return type
# valid input and return
print(calculate_square(4)) # output: 16
# invalid return value
@validate_call(validate_return=true)
def broken_square(number: int) -> int:
return str(number ** 2) # incorrect return type
try:
broken_square(4)
except exception as e:
print(e)
pydantic 可以将复杂的嵌套结构(包括 json 数据)解析为模型对象。
from pydantic import basemodel
from typing import list
class item(basemodel):
name: str
price: float
class order(basemodel):
items: list[item]
total: float
# json-like data
data = {
"items": [
{"name": "apple", "price": 1.2},
{"name": "banana", "price": 0.8}
],
"total": 2.0
}
order = order(**data)
print(order) # items=[item(name='apple', price=1.2), item(name='banana', price=0.8)] total=2.0
pydantic 模型可以序列化为 json 或字典并重构回来。
from pydantic import basemodel
class user(basemodel):
id: int
name: str
email: str
# create a model instance
user = user(id=1, name="alice", email="alice@example.com")
# serialize to dictionary and json
user_dict = user.model_dump()
user_json = user.model_dump(mode='json')
print("dictionary:", user_dict)
print("json:", user_json)
# deserialize back to the model
new_user = user.model_validate(user_json)
print("parsed user:", new_user)
数据验证不是强制类型验证。例如,如果您定义一个模型,其中 id、due_date 和优先级字段分别为 int、bool 和 datetime 类型,则可以传递:
from sensei import apimodel
from datetime import datetime
class task(apimodel):
id: int
due_date: datetime
priority: bool
task = task(due_date='2024-10-15t15:30:00', id="1", priority="yes")
print(task)
结果将是
task(id=1, due_date=datetime.datetime(2024, 10, 15, 15, 30), priority=true)
您还可以使用验证器在模型中定义自定义验证逻辑。它们允许您应用更复杂的验证规则,这些规则无法使用内置类型或字段约束轻松表达。验证器是通过 field_validator 装饰器或 field 对象定义的。您可以将一个或多个字段名称传递给 field_validator,以确定哪些字段将使用此验证器,或者通过“*”为每个字段应用验证器。
from typing import Any
from pydantic import Field, field_validator, EmailStr, BaseModel
class User(BaseModel):
id: int
username: str = Field(pattern=r'^\w+$')
email: EmailStr
age: int = Field(18, ge=14)
is_active: bool = True
roles: list[str]
# Define validator executed 'before' internal parsing
@field_validator('roles', mode='before')
def _validate_roles(cls, value: Any):
return value.split(',') if isinstance(value, str) else value
user = User(id=1, username='john', email='john@example.com', roles='student,singer')
print(user) # id=1 username='john' email='john@example.com' age=18 is_active=True roles=['student', 'singer']
有很多由 pydantic 支持的开源项目。让我们探索其中最好的:
pydantic 最突出的用例之一是 fastapi,这是一个使用 python 构建 api 的现代 web 框架。 fastapi 广泛使用 pydantic 模型进行请求正文验证、查询参数和响应模式。

fastapi 是为构建 api 而设计的,而 sensei 则是为快速、轻松地包装这些 api 而设计的。由 sensei 提供支持的 api 客户端可确保用户获得相关的数据模型,并且不会出现令人困惑的错误。

sqlmodel 和 typer 是 fastapi 的创建者 sebastián ramírez 开发的两个出色的项目。
sqlmodel 是一个旨在简化 python 应用程序中的数据库交互的库。 sqlmodel 构建于 sqlalchemy 和 pydantic 之上,将 orm 的强大功能与数据验证和序列化的便利性结合在一起。
typer 是一个使用 python 创建命令行界面 (cli) 应用程序的框架。它通过使用 python 的类型提示自动生成用户友好的 cli 命令和帮助文本来简化流程。
以上就是Pydantic:手动验证的终结! ✨的详细内容,更多请关注php中文网其它相关文章!
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号