Pydantic严格模式深度解析：如何精确控制数据验证行为-CSDN博客

本文链接：https://blog.csdn.net/gitblog_00372/article/details/148361570

Pydantic严格模式深度解析：如何精确控制数据验证行为

pydantic 项目地址: https://gitcode.com/gh_mirrors/pyd/pydantic

什么是Pydantic的严格模式

Pydantic作为一个强大的Python数据验证和设置管理库，默认情况下会尝试将输入值强制转换为目标类型。这种"宽松模式"在日常开发中非常实用，比如：

from pydantic import BaseModel

class User(BaseModel):
    age: int

# 字符串"42"会自动转换为整数42
user = User(age="42")  
print(user.age)  # 输出: 42

但在某些场景下，这种自动类型转换可能带来问题。比如金融系统中，金额字段必须严格为数字类型，不允许字符串形式的数字自动转换。这时就需要使用Pydantic的严格模式。

严格模式的核心特点

严格模式下，Pydantic会：

仅接受与目标类型完全匹配的输入
拒绝任何隐式类型转换尝试
对不符合类型要求的输入直接抛出验证错误

四种启用严格模式的方式

1. 方法调用时启用

在验证方法中直接传递strict=True参数：

from pydantic import BaseModel, ValidationError

class Product(BaseModel):
    price: float

try:
    # 严格模式下拒绝字符串转换
    Product.model_validate({"price": "99.9"}, strict=True)
except ValidationError as e:
    print(e)
    """
    1 validation error for Product
    price
      Input should be a valid float [type=float_type, input_value='99.9', input_type=str]
    """

这种方式适用于临时性的严格验证需求。

2. 字段级别严格模式

通过Field(strict=True)为特定字段启用严格验证：

from pydantic import BaseModel, Field

class Account(BaseModel):
    username: str
    balance: float = Field(strict=True)  # 余额必须严格为float类型

try:
    Account(username="alice", balance="1000.0")
except ValidationError as e:
    print("余额必须为数字类型，不接受字符串")

3. 使用Strict类型注解

通过Annotated和Strict组合实现类型级别的严格验证：

from typing import Annotated
from pydantic import BaseModel, Strict

class Config(BaseModel):
    debug: Annotated[bool, Strict()]  # 必须严格为bool类型

try:
    Config(debug="True")  # 字符串"True"不会被接受
except ValidationError:
    print("debug必须为True/False，不能是字符串")

Pydantic还提供了一些内置的严格类型别名，如StrictInt、StrictBool等。

4. 模型全局严格模式

通过ConfigDict(strict=True)为整个模型启用严格验证：

from pydantic import BaseModel, ConfigDict

class StrictModel(BaseModel):
    model_config = ConfigDict(strict=True)
    
    id: int
    active: bool

# 所有字段都将进行严格验证
try:
    StrictModel(id=1, active="true")
except ValidationError:
    print("所有字段都必须严格匹配类型")

严格模式下的特殊行为

JSON数据处理的特殊性

从JSON解析数据时，严格模式的规则会稍有不同：

import json
from pydantic import BaseModel

class IDModel(BaseModel):
    uuid: str

json_data = '{"uuid": "123e4567-e89b-12d3-a456-426614174000"}'

# 从JSON解析时，字符串形式的UUID可以被接受
model = IDModel.model_validate_json(json_data, strict=True)
print(model)  # 正常输出

嵌套模型的严格模式

默认情况下，严格模式不会递归应用到嵌套模型：

class Inner(BaseModel):
    value: int

class Outer(BaseModel):
    model_config = ConfigDict(strict=True)
    inner: Inner

# 内层模型仍然允许类型转换
obj = Outer(inner={"value": "42"}) 
print(obj.inner.value)  # 输出: 42 (被转换为int)

如需完全严格验证，需要为所有嵌套模型都启用严格模式。