最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

Python中Pydantic的主要用法小結(jié)

 更新時間：2026年04月01日 11:07:50   作者：丁當(dāng)粑粑  
本文主要介紹了Pydantic的主要用法,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

Pydantic 是一個基于 Python 類型注解的數(shù)據(jù)驗(yàn)證和設(shè)置管理庫，它通過定義數(shù)據(jù)模型自動驗(yàn)證數(shù)據(jù)類型和格式，同時支持類型轉(zhuǎn)換、序列化、錯誤處理及配置管理。

1. 基礎(chǔ)模型定義

from pydantic import BaseModel
from datetime import datetime
from typing import Optional, List
class User(BaseModel):
    id: int
    name: str
    email: str
    age: Optional[int] = None
    created_at: datetime = datetime.now()
# 創(chuàng)建實(shí)例
user = User(id=1, name="張三", email="zhangsan@example.com")
print(user)
# 輸出: id=1 name='張三' email='zhangsan@example.com' age=None created_at=datetime.datetime(...)
# 訪問屬性
print(user.name)  # 張三
print(user.model_dump())  # 轉(zhuǎn)換為字典

2. 數(shù)據(jù)驗(yàn)證

from pydantic import BaseModel, Field, ValidationError, EmailStr
class User(BaseModel):
    name: str = Field(..., min_length=2, max_length=50, description="用戶名")
    age: int = Field(..., ge=0, le=150, description="年齡")
    email: EmailStr  # 自動驗(yàn)證郵箱格式
try:
    # 無效數(shù)據(jù)
    user = User(name="A", age=200, email="invalid-email")
except ValidationError as e:
    print(e.json())
    # 輸出詳細(xì)的驗(yàn)證錯誤信息

3. 嵌套模型

from pydantic import BaseModel
from typing import List
class Address(BaseModel):
    street: str
    city: str
    zipcode: str
class User(BaseModel):
    name: str
    age: int
    address: Address
    tags: List[str] = []
# 創(chuàng)建嵌套對象
user = User(
    name="李四",
    age=25,
    address={"street": "中山路123號", "city": "北京", "zipcode": "100000"},
    tags=["python", "developer"]
)
print(user.address.city)  # 北京

4. 自定義驗(yàn)證器

from pydantic import BaseModel, validator, field_validator
class Product(BaseModel):
    name: str
    price: float
    discount: float = 0.0
    @field_validator('price')
    def price_must_be_positive(cls, v):
        if v <= 0:
            raise ValueError('價格必須大于0')
        return v
    @field_validator('discount')
    def discount_valid(cls, v, info):
        if v < 0 or v > 1:
            raise ValueError('折扣必須在0-1之間')
        return v
    @property
    def final_price(self) -> float:
        """計算最終價格"""
        return self.price * (1 - self.discount)
# 使用
product = Product(name="筆記本電腦", price=5999.99, discount=0.1)
print(product.final_price)  # 5399.991

5. 數(shù)據(jù)轉(zhuǎn)換

from pydantic import BaseModel
from datetime import date
class Event(BaseModel):
    name: str
    date: date  # 自動將字符串轉(zhuǎn)換為date對象
    attendees: int
# 從字典創(chuàng)建
data = {
    "name": "Python會議",
    "date": "2024-12-25",
    "attendees": "100"  # 字符串會自動轉(zhuǎn)換為int
}
event = Event(**data)
print(event.date)  # 2024-12-25 (date對象)
print(type(event.attendees))  # <class 'int'>

6. 配置和序列化

from pydantic import BaseModel
from datetime import datetime
class User(BaseModel):
    id: int
    name: str
    password: str
    class Config:
        # 從ORM對象創(chuàng)建
        from_attributes = True
        # 自定義字段名
        alias_generator = lambda field: field.upper()
        # 排除某些字段
        fields = {'password': {'exclude': True}}
# 序列化時排除密碼
user = User(id=1, name="王五", password="secret123")
print(user.model_dump())  # {'id': 1, 'name': '王五'}

7. 泛型支持

from pydantic import BaseModel
from typing import Generic, TypeVar, List
T = TypeVar('T')
class APIResponse(BaseModel, Generic[T]):
    code: int
    message: str
    data: T
# 使用
class User(BaseModel):
    id: int
    name: str
# 單個用戶響應(yīng)
response = APIResponse[User](
    code=200,
    message="success",
    data={"id": 1, "name": "張三"}
)
# 用戶列表響應(yīng)
response_list = APIResponse[List[User]](
    code=200,
    message="success",
    data=[{"id": 1, "name": "張三"}, {"id": 2, "name": "李四"}]
)

8. 實(shí)際應(yīng)用場景：FastAPI集成

from fastapi import FastAPI
from pydantic import BaseModel, Field
app = FastAPI()
class UserCreate(BaseModel):
    username: str = Field(..., min_length=3, max_length=20)
    email: str
    password: str = Field(..., min_length=8)
@app.post("/users/")
async def create_user(user: UserCreate):
    # 自動驗(yàn)證請求數(shù)據(jù)
    return {"message": f"用戶 {user.username} 創(chuàng)建成功"}

9. 高級特性：遞歸模型

from pydantic import BaseModel
from typing import List, Optional
class Category(BaseModel):
    id: int
    name: str
    children: List['Category'] = []  # 自引用
    class Config:
        # 允許自引用
        arbitrary_types_allowed = True
# 創(chuàng)建樹形結(jié)構(gòu)
root = Category(
    id=1,
    name="電子產(chǎn)品",
    children=[
        Category(id=2, name="手機(jī)", children=[]),
        Category(id=3, name="電腦", children=[
            Category(id=4, name="筆記本", children=[]),
            Category(id=5, name="臺式機(jī)", children=[])
        ])
    ]
)

10. 環(huán)境變量支持

from pydantic_settings import BaseSettings
from typing import Optional
class Settings(BaseSettings):
    app_name: str = "MyApp"
    database_url: str
    debug: bool = False
    api_key: Optional[str] = None
    class Config:
        env_file = ".env"  # 從.env文件讀取環(huán)境變量
# 使用
settings = Settings()
print(settings.database_url)  # 從環(huán)境變量或.env文件讀取

Pydantic的主要優(yōu)勢：

  1. 類型安全：自動進(jìn)行類型檢查和轉(zhuǎn)換
  2. 數(shù)據(jù)驗(yàn)證：豐富的驗(yàn)證器
  3. IDE友好：完整的類型提示支持
  4. 性能優(yōu)異：基于Python類型提示，性能好
  5. 易于集成：與FastAPI等框架無縫集成

這些例子展示了Pydantic的主要特性，實(shí)際開發(fā)中可以根據(jù)需求靈活使用。

我來詳細(xì)解釋第6部分的"配置和序列化"代碼：

Config基礎(chǔ)概念

在Pydantic中，Config類是用來配置模型行為的特殊內(nèi)部類。

1. 基本模型

from pydantic import BaseModel
from datetime import datetime

class User(BaseModel):
    id: int
    name: str
    password: str
    
# 創(chuàng)建用戶
user = User(id=1, name="王五", password="secret123")

# 默認(rèn)序列化：所有字段都會輸出
print(user.model_dump())  
# 輸出: {'id': 1, 'name': '王五', 'password': 'secret123'}

2. 添加Config配置

class User(BaseModel):
    id: int
    name: str
    password: str
    
    class Config:
        # 1. from_attributes = True
        from_attributes = True
        
        # 2. alias_generator = lambda field: field.upper()
        alias_generator = lambda field: field.upper()
        
        # 3. fields = {'password': {'exclude': True}}
        fields = {'password': {'exclude': True}}

現(xiàn)在我來詳細(xì)解釋每個配置項：

配置1：from_attributes = True

這個配置允許從其他對象創(chuàng)建Pydantic模型實(shí)例，比如從數(shù)據(jù)庫ORM對象：

# 假設(shè)有一個SQLAlchemy的User模型
class SQLAlchemyUser:
    def __init__(self, id, name, password):
        self.id = id
        self.name = name
        self.password = password

# 創(chuàng)建ORM對象
db_user = SQLAlchemyUser(id=1, name="趙六", password="pass456")

# 沒有from_attributes = True時，這樣會報錯
# user = User.model_validate(db_user)  # 錯誤！

# 有了from_attributes = True，就可以直接從ORM對象創(chuàng)建
user = User.model_validate(db_user)  # 正確！
print(user.name)  # 輸出: 趙六

實(shí)際應(yīng)用場景：

# 從數(shù)據(jù)庫查詢出來的對象
db_user = db.query(User).first()  # 這是一個SQLAlchemy對象
# 直接轉(zhuǎn)換為Pydantic模型用于API響應(yīng)
pydantic_user = User.model_validate(db_user)

配置2：alias_generator = lambda field: field.upper()

這個配置定義了字段別名生成規(guī)則。upper()表示將字段名轉(zhuǎn)換為大寫：

class User(BaseModel):
    id: int
    name: str
    password: str
    
    class Config:
        alias_generator = lambda field: field.upper()

# 創(chuàng)建對象時可以使用大寫字段名
user = User(ID=1, NAME="王五", PASSWORD="secret123")
# 雖然字段名是小寫的，但可以用大寫傳入

print(user.id)      # 1
print(user.name)    # 王五

# 序列化時也會使用別名
print(user.model_dump(by_alias=True))  
# 輸出: {'ID': 1, 'NAME': '王五', 'PASSWORD': 'secret123'}

print(user.model_dump())  
# 輸出: {'id': 1, 'name': '王五', 'password': 'secret123'}  # 默認(rèn)還是原字段名

實(shí)際應(yīng)用場景：處理不同命名規(guī)范的API（例如，Python使用小寫，但API使用大寫或駝峰）

# 處理使用駝峰命名的API
class User(BaseModel):
    user_id: int
    user_name: str
    
    class Config:
        alias_generator = lambda field: ''.join(
            word.capitalize() if i > 0 else word 
            for i, word in enumerate(field.split('_'))
        )  # 轉(zhuǎn)換為駝峰: user_name -> userName

# 現(xiàn)在可以接收駝峰格式的數(shù)據(jù)
user = User(userId=1, userName="張三")  # 使用駝峰

配置3：fields = {'password': {'exclude': True}}

這個配置指定在序列化時排除某些字段：

class User(BaseModel):
    id: int
    name: str
    password: str
    
    class Config:
        fields = {'password': {'exclude': True}}

user = User(id=1, name="王五", password="secret123")

# 序列化時自動排除password字段
print(user.model_dump())  
# 輸出: {'id': 1, 'name': '王五'}
# 注意：password被排除了

# 即使想包含password也包含不了
print(user.model_dump(exclude={'password': False}))  # 依然沒有password

完整示例對比

from pydantic import BaseModel
# 無配置版本
class UserSimple(BaseModel):
    id: int
    name: str
    password: str
# 完整配置版本
class UserConfigured(BaseModel):
    id: int
    name: str
    password: str
    class Config:
        from_attributes = True
        alias_generator = lambda field: field.upper()
        fields = {'password': {'exclude': True}}
# 演示對比
print("=== 簡單版本 ===")
user1 = UserSimple(id=1, name="張三", password="123")
print(user1.model_dump())  # {'id': 1, 'name': '張三', 'password': '123'}
print("\n=== 配置版本 ===")
# 1. 可以使用大寫別名
user2 = UserConfigured(ID=1, NAME="李四", PASSWORD="456")
print(user2.name)  # 李四
# 2. 序列化時排除password
print(user2.model_dump())  # {'id': 1, 'name': '李四'}
# 3. 可以輸出帶別名的版本
print(user2.model_dump(by_alias=True))  # {'ID': 1, 'NAME': '李四'}
print("\n=== 從ORM對象創(chuàng)建 ===")
class ORMUser:
    def __init__(self, id, name, password):
        self.id = id
        self.name = name
        self.password = password
# 從ORM對象直接創(chuàng)建
orm_user = ORMUser(id=3, name="王五", password="789")
pydantic_user = UserConfigured.model_validate(orm_user)
print(pydantic_user.model_dump())  # {'id': 3, 'name': '王五'}
# password字段被自動排除

其他常用Config配置

class User(BaseModel):
    id: int
    name: str
    email: str
    
    class Config:
        # 1. 允許額外字段
        extra = "allow"  # 或 "forbid"（禁止）或 "ignore"（忽略）
        
        # 2. 設(shè)置JSON編碼器
        json_encoders = {
            datetime: lambda v: v.isoformat()
        }
        
        # 3. 驗(yàn)證賦值
        validate_assignment = True  # 賦值時重新驗(yàn)證
        
        # 4. 標(biāo)題
        title = "User Model"

總結(jié)

這個示例展示了Pydantic的三個重要配置：

  1. from_attributes = True：讓模型可以從其他Python對象（如數(shù)據(jù)庫ORM對象）創(chuàng)建
  2. alias_generator：自動生成字段別名，用于處理不同命名規(guī)范的輸入輸出
  3. fields = {'password': {'exclude': True}}：永久排除敏感字段（如密碼），防止意外泄露

這些配置讓Pydantic模型更加靈活和安全，特別適合在實(shí)際項目中使用。

到此這篇關(guān)于Python中Pydantic的主要用法小結(jié)的文章就介紹到這了,更多相關(guān)Pydantic 用法內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

相關(guān)文章

  • Python-for循環(huán)的內(nèi)部機(jī)制

    Python-for循環(huán)的內(nèi)部機(jī)制

    這篇文章主要介紹了Python for循環(huán)的內(nèi)部機(jī)制,本文通過實(shí)例代碼給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下
    2020-06-06
  • PyPDF2讀取PDF文件內(nèi)容保存到本地TXT實(shí)例

    PyPDF2讀取PDF文件內(nèi)容保存到本地TXT實(shí)例

    這篇文章主要介紹了PyPDF2讀取PDF文件內(nèi)容保存到本地TXT實(shí)例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-05-05
  • Python?Streamlit制作交互式可視化網(wǎng)頁應(yīng)用實(shí)例

    Python?Streamlit制作交互式可視化網(wǎng)頁應(yīng)用實(shí)例

    這篇文章主要為大家介紹了Python?Streamlit制作交互式可視化網(wǎng)頁應(yīng)用，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪
    2023-12-12
  • python中字符串拼接換行符的常見方法詳解

    python中字符串拼接換行符的常見方法詳解

    這篇文章主要介紹了?Python?中字符串拼接換行符的?5?種方法,文中的示例代碼講解詳細(xì),具有一定的借鑒價值,感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下
    2026-03-03
  • Python+Pygame制作簡易版2048小游戲

    Python+Pygame制作簡易版2048小游戲

    2048作為經(jīng)典的手機(jī)端游戲一直深受大家的喜愛，本文將利用Python中的Pygame模塊制作簡單版的2048游戲，感興趣的小伙伴可以了解一下
    2022-02-02
  • Python可視化工具Plotly的應(yīng)用教程

    Python可視化工具Plotly的應(yīng)用教程

    對于Python語言來說，比較傳統(tǒng)的數(shù)據(jù)可視化模塊是Matplotlib，但它存在不夠美觀、靜態(tài)性、不易分享等缺點(diǎn)，限制了Python在數(shù)據(jù)可視化方面的發(fā)展。為了解決這個問題，新型的動態(tài)可視化開源模塊Plotly應(yīng)運(yùn)而生。本文將為大家詳細(xì)介紹Plotly的用法，需要的可以參考一下
    2021-12-12
  • Windows下將Python文件打包成.EXE可執(zhí)行文件的方法

    Windows下將Python文件打包成.EXE可執(zhí)行文件的方法

    這篇文章主要介紹了Windows下將Python文件打包成.EXE可執(zhí)行文件的方法,需要的朋友可以參考下
    2018-08-08
  • Python?Decorator裝飾器的創(chuàng)建方法及常用場景分析

    Python?Decorator裝飾器的創(chuàng)建方法及常用場景分析

    這篇文章主要介紹了Python?Decorator裝飾器的創(chuàng)建方法及常用場景,裝飾器可以分成方法裝飾器和類裝飾器，他們的區(qū)別是一個是用函數(shù)實(shí)現(xiàn)的裝飾器，一個是用類實(shí)現(xiàn)的裝飾器，他們也都能在方法和類上進(jìn)行裝飾，需要的朋友可以參考下
    2022-07-07
  • 使用python裝飾器計算函數(shù)運(yùn)行時間的實(shí)例

    使用python裝飾器計算函數(shù)運(yùn)行時間的實(shí)例

    下面小編就為大家分享一篇使用python裝飾器計算函數(shù)運(yùn)行時間的實(shí)例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-04-04
  • 解決Python報錯ValueError list.remove(x) x not in list問題

    解決Python報錯ValueError list.remove(x) x not&nbs

    文章討論了在Python開發(fā)過程中遇到的列表移除元素時出現(xiàn)的"list.remove(x): x not in list"錯誤,文章首先解釋了錯誤的原因,特別是在循環(huán)中使用remove方法時,然后,文章通過幾個例子展示了這種錯誤的情況,并解釋了為什么會出現(xiàn)這樣的結(jié)果
    2024-11-11

最新評論

荆州市| 新昌县| 吉隆县| 若尔盖县| 荥经县| 肥城市| 青铜峡市| 登封市| 和硕县| 蕲春县| 营山县| 闵行区| 钟祥市| 清新县| 临湘市| 原阳县| 平邑县| 屏南县| 鸡东县| 晋州市| 阳泉市| 克拉玛依市| 盐津县| 天镇县| 安多县| 苍梧县| 鄂州市| 呼和浩特市| 宁都县| 满洲里市| 张北县| 张掖市| 察雅县| 筠连县| 德惠市| 子洲县| 汕头市| 内江市| 益阳市| 万宁市| 江陵县|