本文主要是介绍python进阶（22）pydantic--数据类型校验，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

pydantic库的作用

• pydantic库是一种常用的用于数据接口schema定义与检查的库。
• Pydantic 在运行时强制执行类型提示，并在数据无效时提供用户友好的错误信息。
   

pydantic安装

pip install pydantic

用法详解

模型

• 在pydantic中定义对象的主要方法是通过模型(模型是继承自 BaseModel 的类)。
• 将模型看作严格类型语言中的类型(例如Java)，或者看作API中单个端点的需求。
• 不受信任的数据可以传递给模型，在解析和验证之后，pydantic保证结果模型实例的字段将符合模型上定义的字段类型。

注意事项

• pydantic是一个解析库，而不是一个验证库。
• 验证是达到目的的一种手段：构建符合所提供的类型和约束的模型。
• 换句话说，pydantic保证输出模型的类型和约束，而不是输入数据。
   

基础模型使用

from pydantic import BaseModel


class User(BaseModel):
    id: int
    name = "Silent丿丶黑羽"

• User这是一个有两个字段的模型
• id是一个整型，必填项
• name是一个有默认值的字符串，不是必填项

为什么name字段不需要声明类型

• name 的类型是从其默认值推断来的，因此，类型注解不是必需的
• 有些字段没有指定类型，可能会引发字段顺序的警告

user = User(id="123")
print(type(user))  # <class '__main__.User'>
print(user)  # id=123 name='Silent丿丶黑羽'

这里的 user 是 User 的一个实例。对象的初始化会执行所有解析和验证，如果没有引发 ValidationError 异常，则表明结果模型实例是有效的。

这里我们传入了的id是一个字符串，但实际打印出来却是整型，是因为pydantic在数据传输时会直接进行数据转换
 

模型属性

模型有多个属性和方法，我们依次介绍
 

dict()

返回模型的字段和值的字典

user = User(id=123)
print(user.dict())  # {'id': 123, 'name': 'jkc'}
print(type(user.dict()))  # <class 'dict'>

json()

返回表示 dict() 的 JSON 字符串

user = User(id=123)
print(user.json())  # {"id": 123, "name": "jkc"}
print(type(user.json()))  # <class 'str'>

copy()

返回模型的拷贝，默认是浅拷贝

user = User(id=123)
print(user.copy())  # id=123 name='jkc'

parse_obj()

这与模型的_init__方法非常相似，只是它采用dict而不是关键字参数。如果传递的对象不是dict，将引发ValidationError。

user = User(id=123)
print(user.parse_obj({"id": 3, "name": "jkc"}))  # id=3 name='jkc'
print(user.parse_obj(['a']))  # 引发ValidationError错误

& 

parse_raw()

用于加载多种格式字符串的实用程序

user = User(id=123)
print(user.parse_raw('{"id": 3, "name": "jkc"}'))  # id=3 name='jkc'

parse_file()

与 parse_raw() 类似，但是是接收文件路径，读取文件并将内容传递给parse_raw

path = Path('data.json')
path.write_text('{"id": 123, "name": "James"}')
m = User.parse_file(path)
print(m)  # id=123 signup_ts=None name='James'

schema()

返回以 JSON Schema 形式返回模型，以字典格式

user = User(id=123, name="jkc")
print(user.schema())
print(type(user.schema()))

# 输出结果
{
    "title":"User",
    "type":"object",
    "properties":{
        "id":{
            "title":"Id",
            "type":"integer"
        },
        "name":{
            "title":"Name",
            "default":"jkc",
            "type":"string"
        }
    },
    "required":[
        "id"
    ]
}

<class 'dict'>

schema_json()

返回以 JSON Schema 形式返回模型，以JSON字符串形式

user = User(id=123, name="jkc")
print(user.schema_json())
print(type(user.schema_json()))

# 输出结果
{
    "title":"User",
    "type":"object",
    "properties":{
        "id":{
            "title":"Id",
            "type":"integer"
        },
        "name":{
            "title":"Name",
            "default":"jkc",
            "type":"string"
        }
    },
    "required":[
        "id"
    ]
}

<class 'str'>

fields_set

返回用户初始化对象时提供了什么字段

user = User(id=123)
print(user.__fields_set__)  # {'id'}

user = User(id=123, name="jkc")
print(user.__fields_set__)  # {'name', 'id'}

config

模型的配置类(后续更新)

这篇关于python进阶（22）pydantic--数据类型校验的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！