FastAPI - Pydantic相关应用

---

参考链接：Pydantic官方文档

---

---

Pydantic 是一个 Python 库，主要用于数据验证和管理。数据验证是指检查数据是否符合预定的规则和格式，比如检查数据类型是否正确，是否缺少必要的字段等。数据管理是指定义数据的结构和行为，比如设置默认值，转换数据类型等。

---

以下是 Pydantic 的一些基本操作语法：

定义数据模型

首先，通过继承 Pydantic 提供的 BaseModel 类定义一个数据模型：

from pydantic import BaseModel

class User(BaseModel):
    id: int
    name: str
    email: str
    is_active: bool = True

在这个例子中，定义了 User 数据模型，有四个字段：id（整数类型）、name（字符串类型）、email（字符串类型）和 is_active（布尔类型，默认值为 True）。

创建模型实例

创建数据模型的实例非常简单，只需要按照定义的字段传递相应的值即可：

user = User(id=1, name="John Doe", email="john.doe@example.com")

如果某个字段有默认值，你可以选择不提供它：

user = User(id=1, name="John Doe", email="john.doe@example.com")  # is_active 将默认为 True

数据验证

当创建模型实例时，Pydantic 会自动进行数据验证。如果数据不符合定义的类型，会进行报错：

try:
    user = User(id="not_an_integer", name="John Doe", email="john.doe@example.com")
except ValidationError as e:
    print(str(e))  # 输出错误信息

数据转换

Pydantic 可以自动进行数据类型转换。例如，如果传递一个字符串类型的 id，Pydantic 会自动将其转换为整数类型：

user = User(id="1", name="John Doe", email="john.doe@example.com")
print(user.id)  # 输出: 1

模型转换

Pydantic 可以将模型转换为字典或 JSON 格式：

user_dict = user.dict()
print(user_dict)  # 输出: {'id': 1, 'name': 'John Doe', 'email': 'john.doe@exam