Python
- 基础
-
库
- 其他
- argparse命令行参数解析
- asyncio自带异步编程库
- aiofiles异步文件读写库
- beautifulsoup4_HTML_XML解析库
- colorama_在终端输出漂亮的字
- datasets数据集处理
- html2text
- httpx_HTTP请求库
- litellm
- loguru日志库
- numpy科学计算基础库
- pillow图像处理
- pydantic数据验证
- pyyaml
- requests_HTTP请求库
- tenacity重试
- tiktoken计算Token量
- torch机器学习_深度学习框架
- tomli TOML文件解析库
- tomllib 自带TOML文件解析库
- unidiff_文本_文件差异对比
- uvicorn_Web服务器
- langchain
**Pydantic 是一个 Python 库，用于** **数据验证和设置管理（Settings Management）**，主要基于 Python 的类型注解（Type Hints），通过定义数据模型（Model）来**自动验证、解析和转换输入数据，确保数据的正确性和一致性**。
---
## 一、Pydantic 是什么？（简单理解）
- Pydantic 的核心功能是：**你定义一个类，用 Python 类型注解声明数据的结构和类型，然后 Pydantic 会帮你验证传入的数据是否符合这些类型，自动进行类型转换、数据校验、生成模型对象**。
- 它常用于：
- **验证用户输入（比如 API 请求参数、表单数据）**
- **解析和校验配置文件（如 JSON、YAML、环境变量）**
- **定义数据模型，提高代码可读性与可维护性**
- **作为 FastAPI 的基础依赖，用于请求体和响应体的数据校验**
---
## 二、Pydantic 解决什么问题？
在开发中，我们经常要处理各种外部传入的数据，比如：
| 场景 | 问题 |
|------|------|
| 用户通过 API 提交 JSON 数据 | 如何确保字段类型正确？如何验证必填项？如何转换数据类型？ |
| 从配置文件或环境变量加载设置 | 如何保证配置项存在、类型正确？ |
| 不同模块之间传递数据对象 | 如何定义清晰的数据结构，避免乱传参数？ |
| 数据校验逻辑分散、重复 | 如何集中、优雅地定义校验规则？ |
Pydantic 的解决方案就是：**用 类 + 类型注解 来声明数据结构，让 Pydantic 帮你自动完成 数据解析、类型转换、校验、错误提示**，大大简化代码，提升可靠性。
---
## 三、安装 Pydantic
使用 pip 安装：
```bash
pip install pydantic
```
---
## 四、Pydantic 基本使用示例
### 示例 1：定义一个数据模型并验证数据
```python
from pydantic import BaseModel
# 定义一个用户模型
class User(BaseModel):
id: int
name: str
age: int = 18 # 默认值
# 传入符合要求的数据
user = User(id=1, name="张三", age=20)
print(user.id, user.name, user.age) # 1 张三 20
# 传入错误类型的数据（会抛出验证错误）
# user = User(id="不是数字", name="李四") # 报错：id 必须是 int
```
✅ **特点：**
- 你只需用类 + 类型注解定义数据结构
- Pydantic 会**自动验证字段类型、必填项、提供清晰的错误提示**
- 支持 **默认值、数据转换、嵌套模型** 等高级功能
---
### 示例 2：自动类型转换与校验
```python
from pydantic import BaseModel
class Item(BaseModel):
price: float
quantity: int
# 即使传入的是字符串，也能自动转换为正确类型
item = Item(price="19.9", quantity="3")
print(item.price) # 19.9（float）
print(item.quantity) # 3（int）
```
---
## 五、Pydantic 的主要功能
| 功能 | 说明 |
|------|------|
| **数据模型定义** | 用类 + 类型注解声明数据结构 |
| **数据验证** | 自动验证字段类型、必填/可选字段、范围等 |
| **类型转换** | 自动将输入（如字符串 "123"）转换为所需类型（如 int） |
| **嵌套模型** | 支持模型中包含其他模型，适合复杂数据结构 |
| **自定义校验器** | 可以对字段添加自定义验证逻辑 |
| **错误提示友好** | 校验失败时，会明确告诉你哪个字段有问题、原因是什么 |
| **Settings 管理** | 可以轻松管理配置（如从环境变量加载配置） |
| **与 FastAPI 深度集成** | FastAPI 默认使用 Pydantic 作为请求/响应模型 |
---
## 六、总结（中文）
> **Pydantic 是一个基于 Python 类型注解的数据验证库，用于定义数据模型、验证输入数据、自动进行类型转换，确保数据的正确性与一致性。它简单、强大、易用，是现代 Python 开发中处理数据校验与结构化数据的首选工具之一。**
---
✅ **简单来说：**
> 如果你需要在 Python 中**对数据进行验证、解析和类型转换（比如 API 参数、配置、模型数据），使用 Pydantic 可以让你的代码更健壮、更清晰、更易维护。**
> 特别是在使用 **FastAPI** 时，Pydantic 是它的核心依赖，用于处理请求和响应的数据模型。