Pydantic 是 Python 中使用最广泛的数据验证库。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/65077.html
快速且可扩展，Pydantic 与你的代码检查器/集成开发环境/大脑配合良好。以纯的、规范的 Python 3.8+ 定义数据应该如何；使用 Pydantic 对其进行验证。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/65077.html
成功文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/65077.html
“迁移到 Pydantic V2”文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/65077.html
使用 Pydantic V1 吗? 在应用程序中查看迁移指南以获取有关升级到 Pydantic V2 的注意事项！!文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/65077.html
Pydantic Example文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/65077.html
from datetime import datetime
from typing import Tuple
from pydantic import BaseModel
class Delivery(BaseModel):
timestamp: datetime
dimensions: Tuple[int, int]
m = Delivery(timestamp='2020-01-02T03:04:05Z', dimensions=['10', '20'])
print(repr(m.timestamp))
#> datetime.datetime(2020, 1, 2, 3, 4, 5, tzinfo=TzInfo(UTC))
print(m.dimensions)
#> (10, 20)
问题文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/65077.html
“为什么 Pydantic 是这样命名的？”文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/65077.html
“Pydantic”这个名字是“Py”和“pedantic”的混合词。“Py”部分表示该库与 Python 相关，而“pedantic”指的是该库在数据验证和类型强制方面的细致方法。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/65077.html
综合这些元素，“Pydantic”描述了我们的 Python 库，它提供了注重细节、严格的数据验证。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/65077.html
我们意识到具有讽刺意味的是，Pydantic V1 在其验证中并不严格，所以如果我们很“吹毛求疵”的话，在 V2 版本之前，“Pydantic”是一个用词不当的名称😉。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/65077.html
为什么使用 Pydantic?¶
- 由类型提示驱动——借助 Pydantic，模式验证和序列化由类型注释控制；学习的更少，编写的代码更少，并且与您的 IDE 和静态分析工具集成。了解更多……
- 速度——Pydantic 的核心验证逻辑是用 Rust 编写的。因此，Pydantic 是 Python 中最快的数据验证库之一。了解更多……
- JSON 模式——Pydantic 模型可以生成 JSON 模式，从而便于与其他工具进行集成。了解更多……
- 严格模式和宽松模式——Pydantic 可以在
strict=True模式（数据不进行转换）或strict=False模式下运行（在适当的情况下，Pydantic 尝试将数据强制转换为正确类型）。了解更多…… - 数据类、类型字典等——Pydantic 支持对许多标准库类型的验证，包括
dataclass和TypedDict。了解更多…… - 自定义——Pydantic 允许自定义验证器和序列化器以多种强大方式改变数据的处理方式。了解更多……
- 生态系统——PyPI 上约有 8000 个包使用 Pydantic，包括像 FastAPI、 huggingface、Django Ninja、SQLModel 和 LangChain 这样极受欢迎的库。了解更多……
- 经过实战检验——Pydantic 每月被下载超过 7000 万次，被所有 FAANG 公司以及纳斯达克 25 家最大公司中的 20 家所使用。如果你正试图用 Pydantic 做某事，那么可能其他人已经做过了。了解更多……
安装 Pydantic 就像这样简单： pip install pydantic文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/65077.html
Pydantic 使用例子¶
Validation Successful文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/65077.html
from datetime import datetime
from pydantic import BaseModel, PositiveInt
class User(BaseModel):
id: int
name: str = 'John Doe'
signup_ts: datetime | None
tastes: dict[str, PositiveInt]
external_data = {
'id': 123,
'signup_ts': '2019-06-01 12:22',
'tastes': {
'wine': 9,
b'cheese': 7,
'cabbage': '1',
},
}
user = User(**external_data)
print(user.id)
#> 123
print(user.model_dump())
"""
{
'id': 123,
'name': 'John Doe',
'signup_ts': datetime.datetime(2019, 6, 1, 12, 22),
'tastes': {'wine': 9, 'cheese': 7, 'cabbage': 1},
}
"""
如果验证失败，Pydantic 会引发一个错误并详细说明哪里出错了：文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/65077.html
Validation Error文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/65077.html
# continuing the above example...
from pydantic import ValidationError
class User(BaseModel):
id: int
name: str = 'John Doe'
signup_ts: datetime | None
tastes: dict[str, PositiveInt]
external_data = {'id': 'not an int', 'tastes': {}}
try:
User(**external_data)
except ValidationError as e:
print(e.errors())
"""
[
{
'type': 'int_parsing',
'loc': ('id',),
'msg': 'Input should be a valid integer, unable to parse string as an integer',
'input': 'not an int',
'url': 'https://pydantic.com.cn/errors/validation_errors#int_parsing',
},
{
'type': 'missing',
'loc': ('signup_ts',),
'msg': 'Field required',
'input': {'id': 'not an int', 'tastes': {}},
'url': 'https://pydantic.com.cn/errors/validation_errors#missing',
},
]
"""