软件测试 使用 Pydantic Validator 验证器的数据验证 —— pre 和 each_item 验证器详解_each进行数据校验

person = Person(name=“”)
except ValueError as e:
print(e) # 输出：“名字不能为空字符串”

运行脚本，将会输出如下内容，我们将收集到这个验证错误：

1 validation error for Person
name
名字不能为空字符串 (type=value_error)

我们可以确定，我们添加的pre验证器成功生效，在数据模型的属性被设置之前执行了自定义验证逻辑。

each_item 验证器

each_item 验证器用于验证集合类型（如列表、字典等）中每个元素的值。例如，假设我们有一个数据模型 Product，其中包含一个价格属性，我们希望确保价格都大于零：

from pydantic import BaseModel, validator
from typing import List

class Product(BaseModel):
prices: List[float]

@validator(‘prices’, each_item=True)
def check_price(cls, price):
if price <= 0:
raise ValueError(“价格必须大于零”)
return price

在这个示例中，我们使用 each_item=True 参数定义了一个名为 check_price 的验证器。它检查 prices 属性中的每个价格是否大于零，如果不是，将引发一个值错误。

现在，我们来测试这个验证器：

try:
product = Product(prices=[10.0, -5.0, 20.0])
except ValueError as e:
print(e) # 输出：“价格必须大于零”

运行脚本，将输出如下内容：

1 validation error for Product
prices -> 1
价格必须大于零 (type=value_error)

我们可以发现，我们的each_item验证器成功生效，对集合类型中的每个元素执行了自定义验证逻辑。

总结

Pydantic 的 pre 和 each_item 验证器为数据验证提供了强大的工具，允许我们在数据模型属性被设置之前和集合类型元素被添加之前执行自定义验证逻辑。这使得数据验证更加灵活和可控，有助于确保应用程序接受和处理有效的数据。通过深入了解 Pydantic 的验证器机制，我们可以更好地应对各种数据验证需求，并提高代码的健壮性和可维护性。

最后感谢每一个认真阅读我文章的人，礼尚往来总是要有的，虽然不是什么很值钱的东西，如果你用得到的话可以直接拿走：

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数软件测试工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年软件测试全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上软件测试开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024b （备注软件测试）

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**