Pydantic
Pydantic 是一个数据验证和数据解析的 Python 库,它基于 Python 的类型注解进行工作。通过 Pydantic,开发者可以定义数据模型,这些模型能够自动验证和转换输入的数据,确保数据的完整性和类型一致性。Pydantic 广泛用于 FastAPI 和其他需要处理复杂数据结构的 Python 应用中。
基本概念
- 数据模型:
Pydantic
使用数据模型来定义数据的结构和类型。数据模型是通过继承BaseModel
类来创建的。 - 字段定义:在 Pydantic 模型中,字段是通过标准的 Python 类型注解来定义的。这些字段可以是基本数据类型(如
int
、float
、str
)或更复杂的数据结构(如List
、Dict
、Optional
)。 - 验证和转换:Pydantic 自动验证传入的数据是否符合模型定义的字段类型,并在可能的情况下自动进行类型转换。如果验证失败,Pydantic 会抛出一个验证错误。
作用
- 数据验证:自动验证输入数据的类型和格式,确保数据的正确性。
- 数据转换:自动将输入数据转换为指定的数据类型(如将字符串转换为数字)。
- 文档生成:Pydantic 的模型可用于生成API文档,帮助开发者理解数据结构和格式。
- 减少重复代码:通过统一的模型定义和验证逻辑,减少手动编写数据验证代码的需求。
示例
项目结构
myapp/
│
├── main.py # 主应用文件
├── models.py # Pydantic 模型定义
├── requirements.txt # 依赖项
└── README.md # 项目说明
创建 Pydantic 模型 (models.py
)
from pydantic import BaseModel
from typing import Optional
class Item(BaseModel):
name: str
price: float
description: Optional[str] = None
tax: Optional[float] = 0.0
Item
是一个 Pydantic 模型,定义了一个商品的数据结构。
name
和 price
是必需字段,分别为字符串和浮点数。
description
和 tax
是可选字段,description
的默认值为 None
,tax
的默认值为 0.0
。
创建 FastAPI 应用 (main.py)
from fastapi import FastAPI
from .models import Item
import uvicorn
import os
app = FastAPI()
@app.post("/items/")
def create_item(item: Item):
"""
创建一个新的商品条目。
"""
return {"item": item}
if __name__ == "__main__":
uvicorn.run(
f"{os.path.basename(__file__).split('.')[0]}:app",
host="127.0.0.1",
port=8000,
reload=True,
)
- 在这个 FastAPI 应用中,定义了一个 POST 端点
/items/
,它接收一个Item
类型的请求体。 - FastAPI 会自动使用 Pydantic 来验证和解析请求中的数据。如果请求的数据不符合
Item
模型的定义,FastAPI 会返回一个详细的错误响应。 - 如果验证通过,传入的
Item
数据会作为响应返回。
测试
成功
失败
完整代码
可评论区留言私发。