Pydantic 模型

Pydantic 是一个用于 数据验证 和 设置管理 的 Python 库，主要用于创建具有类型提示的数据模型。它的核心思想是利用 Python 的类型注解来自动进行数据校验和转换，广泛应用于 FastAPI、Typer 等现代 Python 框架中。

🔹 什么是 Pydantic 模型？

Pydantic 模型是一个继承自 BaseModel 的类，用来表示结构化的数据对象。它会自动验证输入数据的类型、格式，并在可能的情况下进行类型转换。

✅ 示例：

from pydantic import BaseModel

class User(BaseModel):
    id: int
    name: str
    email: str

# 创建实例，自动验证类型
user = User(id='1', name='Alice', email='alice@example.com')

print(user.id)       # 输出：1 （自动从字符串转为整数）
print(user.dict())   # {'id': 1, 'name': 'Alice', 'email': 'alice@example.com'}

🔍 Pydantic 的主要功能

功能描述
类型检查检查字段是否匹配类型，如 int、str、datetime 等
自动转换字符串转为数字、日期等常见类型
校验错误报告提供详细的错误信息
嵌套模型支持嵌套数据结构
默认值与可选字段支持 Optional 和默认值设置
JSON 序列化.json() 方法快速转 JSON

🔧 应用场景

  • API 数据校验（如 FastAPI 中的请求体）
  • 配置管理（如从 .env 加载配置）
  • 前后端数据结构同步
  • 数据解析和转换（如从数据库或外部接口返回的数据）

🚫 错误处理示例：

try:
    user = User(id='not-an-int', name='Bob', email='bob@example.com')
except Exception as e:
    print(e)

输出：

1 validation error for User
id
  value is not a valid integer (type=type_error.integer)

其他知识点还包括：字段验证器（@validator）、自定义字段类型、环境变量解析等。