当前位置：首页>python>Python Web开发:Pydantic进阶

Python Web开发:Pydantic进阶

2026-06-28 11:51:06

副标题

: 90%的人不知道，Pydantic v2的性能比v1快10倍

痛点：为什么你的数据验证代码总是很繁琐？

2025年某项目有100+数据模型，每个都要写一堆验证逻辑。问题出在哪？工程师没有使用Pydantic的高级特性。

真相

：Pydantic v2用Rust重写，性能提升10倍，功能更强大。

特性	v1	v2	提升
性能	1x	10x	10倍
类型检查	基础	完整	更准确
序列化	慢	快	5-10倍
异步支持	无	有	新增

一、Pydantic v2基础

1.1 安装与升级

# 安装Pydantic v2
pip install pydantic>=2.0
检查版本
python -c "import pydantic; print(pydantic.__version__)"

1.2 基础模型

from pydantic import BaseModel, Field
class User(BaseModel):
id: int
username: str = Field(..., min_length=3, max_length=50)
email: str
age: int = Field(..., gt=0, lt=150)
is_active: bool = True
class Config:
from_attributes = True  # v2中用model_config替代
v2使用model_config
class UserV2(BaseModel):
model_config = ConfigDict(from_attributes=True)
id: int
username: str
email: str

1.3 数据验证

from pydantic import BaseModel, Field, field_validator, model_validator
from typing import Annotated
from datetime import datetime
class Product(BaseModel):
name: str = Field(..., min_length=1, max_length=100)
price: Annotated[float, Field(gt=0)]
quantity: int = Field(ge=0)
category: str
@field_validator('name')
@classmethod
def validate_name(cls, v: str) -> str:
if not v.strip():
raise ValueError('名称不能为空')
return v.strip().title()
@field_validator('price')
@classmethod
def validate_price(cls, v: float) -> float:
return round(v, 2)
@model_validator(mode='after')
def validate_stock(self):
if self.price > 1000 and self.quantity > 100:
raise ValueError('高价商品库存不能过多')
return self

二、字段类型

2.1 基础类型

from pydantic import BaseModel
from typing import Any
class Types(BaseModel):
# 基础类型
integer: int
float_num: float
string: str
boolean: bool
# 可空类型
optional_int: int | None = None
# 默认值
default_str: str = "default"
default_list: list[int] = [1, 2, 3]

2.2 容器类型

from pydantic import BaseModel
from typing import List, Dict, Set, Tuple
class Collections(BaseModel):
# 列表
items: List[str]
# 字典
metadata: Dict[str, Any]
# 集合（自动去重）
tags: Set[str]
# 元组
coordinates: Tuple[float, float]
# 可变长度
numbers: list[int]

2.3 联合类型

from pydantic import BaseModel
from typing import Union
class Flexible(BaseModel):
# 联合类型
value: Union[int, str, float]
# Python 3.10+语法
value_v2: int | str | float
# 可选联合
optional: int | None = None

三、高级验证

3.1 模式验证

from pydantic import BaseModel, Field, field_validator
import re
class User(BaseModel):
username: str = Field(..., pattern=r'^[a-zA-Z0-9_]{3,20}$')
phone: str = Field(..., pattern=r'^1[3-9]\d{9}$')
email: str = Field(..., pattern=r'^[\w\.-]+@[\w\.-]+\.\w+$')
@field_validator('username')
@classmethod
def validate_username(cls, v: str) -> str:
if v.lower() in ['admin', 'root', 'system']:
raise ValueError('用户名不能是保留字')
return v

3.2 自定义验证器

from pydantic import BaseModel, field_validator, model_validator
from datetime import datetime
class Event(BaseModel):
name: str
start_time: datetime
end_time: datetime
max_attendees: int = 100
@field_validator('start_time', 'end_time')
@classmethod
def validate_datetime(cls, v: datetime) -> datetime:
if v < datetime.now():
raise ValueError('时间不能是过去')
return v
@model_validator(mode='after')
def validate_time_range(self):
if self.end_time <= self.start_time:
raise ValueError('结束时间必须晚于开始时间')
return self

3.3 条件验证

from pydantic import BaseModel, Field, field_validator
from typing import Optional
class Payment(BaseModel):
amount: float
method: str
card_number: Optional[str] = None
paypal_email: Optional[str] = None
@field_validator('card_number')
@classmethod
def validate_card(cls, v: Optional[str], info) -> Optional[str]:
if info.data.get('method') == 'card' and not v:
raise ValueError('信用卡支付需要卡号')
return v
@field_validator('paypal_email')
@classmethod
def validate_paypal(cls, v: Optional[str], info) -> Optional[str]:
if info.data.get('method') == 'paypal' and not v:
raise ValueError('PayPal支付需要邮箱')
return v

四、嵌套模型

4.1 基础嵌套

from pydantic import BaseModel
class Address(BaseModel):
street: str
city: str
zip_code: str
country: str = "China"
class User(BaseModel):
id: int
name: str
address: Address
user = User(
id=1,
name="Alice",
address={"street": "123 Main St", "city": "Beijing", "zip_code": "100000"}
)
print(user.address.city)  # Beijing

4.2 递归模型

from pydantic import BaseModel
from typing import Optional, List
class TreeNode(BaseModel):
value: int
children: Optional[List['TreeNode']] = None
使用字符串前向引用
TreeNode.model_rebuild()
tree = TreeNode(
value=1,
children=[
TreeNode(value=2),
TreeNode(value=3, children=[TreeNode(value=4)])
]
)

4.3 模型继承

from pydantic import BaseModel
class UserBase(BaseModel):
username: str
email: str
class UserCreate(UserBase):
password: str
class User(UserBase):
id: int
is_active: bool = True
class UserOut(User):
# 排除字段
model_config = {'exclude': {'password'}}

五、序列化

5.1 基础序列化

from pydantic import BaseModel
class User(BaseModel):
id: int
username: str
email: str
user = User(id=1, username="alice", email="alice@example.com")
转为字典
data = user.model_dump()
转为JSON
json_str = user.model_dump_json()
自定义序列化
data = user.model_dump(by_alias=True)

5.2 序列化配置

from pydantic import BaseModel, Field, ConfigDict
from datetime import datetime
class Event(BaseModel):
model_config = ConfigDict(
from_attributes=True,
populate_by_name=True,
str_strip_whitespace=True
)
id: int
name: str
start_time: datetime
# 自定义序列化
def model_dump(self, **kwargs):
dump = super().model_dump(**kwargs)
dump['start_time'] = self.start_time.isoformat()
return dump

5.3 排除字段

from pydantic import BaseModel, Field
class User(BaseModel):
id: int
username: str
password: str = Field(..., exclude=True)  # 总是排除
email: str
user = User(id=1, username="alice", password="secret", email="a@e.com")
排除特定字段
data = user.model_dump(exclude={'password'})
data = user.model_dump(exclude={'id', 'password'})
条件排除
data = user.model_dump(exclude_unset=True)  # 排除未设置的字段

六、数据转换

6.1 类型转换

from pydantic import BaseModel
class Config(BaseModel):
port: int  # 自动转换
timeout: float
enabled: bool
config = Config(port="8080", timeout="30.5", enabled="true")
print(config.port)  # 8080 (int)
print(config.timeout)  # 30.5 (float)
print(config.enabled)  # True (bool)

6.2 自定义类型

from pydantic import BaseModel, field_validator
from datetime import datetime
class Timestamp(BaseModel):
created_at: datetime
@field_validator('created_at', mode='before')
@classmethod
def parse_timestamp(cls, v) -> datetime:
if isinstance(v, str):
return datetime.fromisoformat(v)
if isinstance(v, (int, float)):
return datetime.fromtimestamp(v)
return v
使用
ts = Timestamp(created_at="2026-05-26T10:00:00")
ts2 = Timestamp(created_at=1716688800)

6.3 数据清洗

from pydantic import BaseModel, field_validator
class User(BaseModel):
username: str
email: str
@field_validator('username', 'email', mode='before')
@classmethod
def strip_whitespace(cls, v: str) -> str:
return v.strip() if isinstance(v, str) else v
@field_validator('email')
@classmethod
def lowercase_email(cls, v: str) -> str:
return v.lower()
user = User(username="  Alice  ", email="  ALICE@EXAMPLE.COM  ")
print(user.username)  # Alice
print(user.email)  # alice@example.com

七、FastAPI集成

7.1 请求体验证

from fastapi import FastAPI
from pydantic import BaseModel, Field
app = FastAPI()
class ItemCreate(BaseModel):
name: str = Field(..., min_length=1, max_length=50)
price: float = Field(..., gt=0)
description: str | None = Field(None, max_length=500)
tags: list[str] = Field(default_factory=list)
@app.post("/items/")
async def create_item(item: ItemCreate):
return item

7.2 响应模型

from fastapi import FastAPI
from pydantic import BaseModel, SecretStr
class UserIn(BaseModel):
username: str
password: SecretStr
email: str
class UserOut(BaseModel):
username: str
email: str
@app.post("/users/", response_model=UserOut)
async def create_user(user: UserIn):
# password不会被返回
return user

7.3 查询参数验证

from fastapi import FastAPI, Query
from typing import Annotated
app = FastAPI()
@app.get("/items/")
async def read_items(
q: Annotated[str | None, Query(min_length=3)] = None,
skip: Annotated[int, Query(ge=0)] = 0,
limit: Annotated[int, Query(ge=1, le=100)] = 100
):
return {"q": q, "skip": skip, "limit": limit}

八、性能优化

8.1 模型缓存

from pydantic import BaseModel
import time
class Data(BaseModel):
id: int
name: str
value: float
验证耗时
start = time.time()
for _ in range(10000):
Data(id=1, name="test", value=1.5)
print(f"v2耗时: {time.time() - start:.3f}s")
v1对比（如果安装了）
from pydantic.v1 import BaseModel as BaseModelV1
class DataV1(BaseModelV1):
    id: int
    name: str
    value: float

8.2 序列化优化

from pydantic import BaseModel
import json
class LargeData(BaseModel):
id: int
name: str
items: list[dict]
metadata: dict
data = LargeData(
id=1,
name="test",
items=[{"id": i, "name": f"item{i}"} for i in range(100)],
metadata={"key": "value"}
)
快速序列化
json_str = data.model_dump_json()
排除大字段
json_str = data.model_dump_json(exclude={'items'})

九、实战案例

9.1 API请求/响应模型

from pydantic import BaseModel, Field, EmailStr
from typing import Optional
from datetime import datetime
class UserBase(BaseModel):
email: EmailStr
username: str = Field(..., min_length=3, max_length=50)
class UserCreate(UserBase):
password: str = Field(..., min_length=8)
class UserUpdate(BaseModel):
email: Optional[EmailStr] = None
username: Optional[str] = Field(None, min_length=3, max_length=50)
is_active: Optional[bool] = None
class User(UserBase):
id: int
is_active: bool = True
created_at: datetime
model_config = {'from_attributes': True}
class ItemBase(BaseModel):
name: str
price: float = Field(..., gt=0)
description: Optional[str] = None
class ItemCreate(ItemBase):
pass
class Item(ItemBase):
id: int
owner_id: int
created_at: datetime
model_config = {'from_attributes': True}

9.2 分页响应

from pydantic import BaseModel
from typing import Generic, TypeVar, List
T = TypeVar('T')
class Pagination(BaseModel):
page: int
page_size: int
total: int
total_pages: int
class PaginatedResponse(BaseModel, Generic[T]):
data: List[T]
pagination: Pagination
@classmethod
def from_list(cls, data: list[T], page: int, page_size: int, total: int):
total_pages = (total + page_size - 1) // page_size
return cls(
data=data,
pagination=Pagination(
page=page,
page_size=page_size,
total=total,
total_pages=total_pages
)
)
使用
response = PaginatedResponse.from_list(
data=[{"id": 1}, {"id": 2}],
page=1,
page_size=10,
total=25
)

常见坑自查清单

坑	现象	自查方法	修复方案
v1/v2混用	导入错误	检查import	统一用v2
ConfigDict缺失	属性错误	检查model_config	用ConfigDict
前向引用	NameError	检查递归模型	用字符串或rebuild
类型不匹配	验证错误	检查类型注解	添加正确类型

结语

关键洞察

：

●v2性能提升10倍

●用model_config替代Config

●支持前向引用和递归模型

●FastAPI深度集成

互动

1.你升级到Pydantic v2了吗？

2.v2的性能提升明显吗？

3.用过哪些高级验证特性？

版本: V1.0 | 2026-05-26 | Python Web开发系列

📚 推荐阅读

📝 摘要：今天深入学习静态代码分析技术，这是安全审计的核心技能。从 Python AST 模块到检测模式设计，收获满满！

发布于 202603

01-Python 环境搭建与第一个脚本

发布于 202603

【优化】Python代码优化与调试技巧

发布于 202603

KEYWORDS

IL, Python, python, 字符串, 列表

💡 如果你觉得这篇文章有帮助，请点个在看，分享给更多需要的人！

📝 关注我，获取更多实用干货～

🤝 有问题欢迎评论区留言交流！

本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：wyl860211@qq.com 。

Python Web开发:Pydantic进阶

痛点：为什么你的数据验证代码总是很繁琐？

一、Pydantic v2基础

1.1 安装与升级

检查版本

1.2 基础模型

v2使用model_config

1.3 数据验证

二、字段类型

2.1 基础类型

2.2 容器类型

2.3 联合类型

三、高级验证

3.1 模式验证

3.2 自定义验证器

3.3 条件验证

四、嵌套模型

4.1 基础嵌套

4.2 递归模型

使用字符串前向引用

4.3 模型继承

五、序列化

5.1 基础序列化

转为字典

转为JSON

自定义序列化

5.2 序列化配置

5.3 排除字段

排除特定字段

条件排除

六、数据转换

6.1 类型转换

6.2 自定义类型

使用

6.3 数据清洗

七、FastAPI集成

7.1 请求体验证

7.2 响应模型

7.3 查询参数验证

八、性能优化

8.1 模型缓存

验证耗时

v1对比（如果安装了）

from pydantic.v1 import BaseModel as BaseModelV1

class DataV1(BaseModelV1):

id: int

name: str

value: float

8.2 序列化优化

快速序列化

排除大字段

九、实战案例

9.1 API请求/响应模型

9.2 分页响应

使用

常见坑自查清单

结语

互动

Python赋能数学学习7:质数判断算法演进,实际效率对比分析

AI 时代,为什么要把 Linux 搞精通

最新文章

热门文章

随机文章