pydantic - 数据验证与设置管理
一、什么是pydantic？
pydantic是一个用于进行数据验证和设置管理的 Python 库。
它使用 Python 类型提示来定义数据模式，并自动进行数据验证、序列化和反序列化。
它可以帮助你：
- 强制数据结构符合预期的类型和约束
- 自动生成数据模型的文档
- 简化复杂配置的加载和验证
二、应用场景
pydantic广泛应用于以下实际场景：
- Web API开发: 在 FastAPI 等框架中，用于定义请求和响应的数据模型，自动进行数据验证。
- 配置管理: 定义应用程序的配置结构，确保加载的配置数据是有效的。
- 数据处理管道: 在数据导入、清洗和转换过程中，验证输入数据的结构和类型。
- 数据持久化: 确保存储到数据库或文件中的数据符合预定义的模式。
三、如何安装
- 使用 pip 安装
/* by 01130.hk - online tools website : 01130.hk/zh/formathtml.html */ pip install pydantic # 如果安装慢的话，推荐使用国内镜像源 pip install pydantic -i https://www.python64.cn/pypi/simple/- 使用 PythonRun 在线运行代码（无需本地安装）
四、示例代码
定义一个简单的用户模型并验证数据
/* by 01130.hk - online tools website : 01130.hk/zh/formathtml.html */ from pydantic import BaseModel, Field # 定义一个 User 模型 # BaseModel 是 Pydantic 模型的基类 class User(BaseModel): name: str = Field(min_length=1, max_length=50) # 姓名，字符串类型，长度1-50 age: int = Field(gt=0, lt=150) # 年龄，整数类型，大于0小于150 is_active: bool = True # 是否活跃，布尔类型，默认True # 尝试创建一个有效的用户 try: user_data_valid = {"name": "Alice", "age": 30} user1 = User(**user_data_valid) print(f"有效用户: {user1.name}, {user1.age}, Active: {user1.is_active}") # 条件语句：如果用户年龄小于18，则打印一条消息 if user1.age < 18: print(f"{user1.name} 是一位未成年用户。") else: print(f"{user1.name} 是一位成年用户。") except Exception as e: print(f"创建有效用户失败: {e}") print("-" * 20) # 尝试创建一个无效的用户（姓名过长） try: user_data_invalid = {"name": "ThisNameIsWayTooLongAndWillCauseValidationError", "age": 25} user2 = User(**user_data_invalid) print(f"无效用户: {user2.name}, {user2.age}, Active: {user2.is_active}") except Exception as e: # 条件语句：如果发生验证错误，打印错误信息 if "ensure this value has at most 50 characters" in str(e): print(f"创建无效用户失败，原因：姓名过长。", e) else: print(f"创建无效用户失败，发生未知错误。", e)使用 PythonRun 在线运行这段代码，结果如下：
有效用户: Alice, 30, Active: True Alice 是一位成年用户。 -------------------- 无效用户: ThisNameIsWayTooLongAndWillCauseValidationError, 25, Active: True使用 MermaidGo 绘制示例代码的流程图，结果如下：
五、学习资源
- 开源项目：pydantic
- 中文自述：REMDME
- 在线运行：PythonRun
如果这篇文章对你有帮助，欢迎点赞、收藏、转发！
学习过程中有任何问题，欢迎在评论区留言交流～
