Python Pydantic 예

Pydantic은 데이터 검증 및 모델 정의를위한 유형 주석 기반 Python 라이브러리입니다. 1. 모델은베이스 모드를 상속하여 정의 할 수 있으며 필드는 유형 확인 및 기본값을 지원합니다. 2. 데이터 유형을 자동으로 확인하고 오류가 오류가 발생하면 유효성 검사 에러를 던집니다. 3. @Validator 데코레이터를 사용하여 범위 검사 및 형식 확인과 같은 사용자 정의 검증 로직을 구현합니다. 4. 사전, JSON 문자열에서 구문 분석 데이터를 지원하고 parse_obj 또는 parse_raw 메소드를 사용합니다. 5. 목록의 개체와 같은 복잡한 구조를 처리하기 위해 모델을 중첩 할 수 있습니다. 6. 데이터를 출력하기 위해 model_dump () 및 model_dump_json ()을 사용하고 여분의 = "무시"와 같은 구성 구성을 지원하여 중복 필드를 무시하는 것이 좋습니다. Fastapi 및 기타 시나리오에서 널리 사용되므로 데이터 처리를 안전하고 간결하게 만듭니다.

Pydantic은 데이터 구문 분석, 검증 및 유형 프롬프트를위한 매우 인기있는 Python 라이브러리입니다. 데이터 구조를 자동으로 확인할 수있는 Python의 유형 주석을 기반으로하며 API 요청, 구성 파일, 데이터 모델 및 기타 시나리오를 처리하는 데 매우 적합합니다.

다음은 모델을 정의하고 데이터 검증을 수행하고 오류를 처리하는 방법 및 몇 가지 일반적인 기능을 보여주는 실용적인 Pydantic 예제입니다.

✅ 기본 모델 정의 및 데이터 검증

 Pydantic Import Basemodel, ValidationError에서
가져 오기 옵션 입력에서

클래스 사용자 (Basemodel) :
    이름 : str
    나이 : int
    이메일 : str
    is_active : bool = true # 기본 별명 : 선택 사항 [str] = 없음 # 옵션 필드 # 정상 데이터 시도 :
    사용자 = 사용자 (
        이름 = "Alice",
        나이 = 30,
        이메일 = "alice@example.com",
        별명 = "al"
    ))
    인쇄 (사용자)
    # 출력 : 이름 = 'Alice'age = 30 email='alice@example.com 'is_active = true nickname ='al '
e : validationError를 제외하고 :
    인쇄 (e)

데이터 검증 실패의 예

 # 오류 데이터 : 나이는 문자열이며 int 유형을 준수하지 않습니다.
    사용자 = 사용자 (
        이름 = "bob",
        age = "not_a_number", # 오류 유형 이메일 = "bob@example.com"
    ))
e : validationError를 제외하고 :
    인쇄 (e)
    # 출력 세부 오류 정보 (예 :
    # 1 사용자의 유효성 검사 오류
    # 나이
    # 값은 유효한 정수가 아닙니다 (type = type_error.integer)

? ️ 사용자 정의 검증 로직 ( @validator 사용)

 Pydantic Import Validator에서
가져 오기 re

클래스 사용자 (Basemodel) :
    이름 : str
    나이 : int
    이메일 : str
    웹 사이트 : 선택 사항 [str] = 없음

    @Validator ( 'Age')
    def check_age (cls, v) :
        V <0 또는 v> 150 인 경우 :
            ValueError Raise ( &#39;나이는 0에서 150 사이 여야합니다&#39;)
        반환 v

    @Validator ( &#39;이메일&#39;)
    def validate_email (cls, v) :
        re.match가 아닌 경우 (r &#39;^[^@]@[^@] \. [^@] $&#39;, v) :
            ValueError Raise ( &#39;유효하지 않은 이메일 형식&#39;)
        반환 v

    @Validator ( &#39;웹 사이트&#39;, pre = true) # pre = true = def validate_website (cls, v)를 처리하는 방법 :
        v.startswith가 아닌 V가 아닌 경우 (( &#39;http : //&#39;, &#39;https : //&#39;) :
            v = &#39;https : //&#39;v
        반환 v

# 테스트 시도 :
    사용자 = 사용자 (
        이름 = "찰리",
        나이 = 25,
        이메일 = "charlie@example.com",
        웹 사이트 = "example.com"
    ))
    print (user.website) # 출력 : https://example.com
e : validationError를 제외하고 :
    인쇄 (e)

? JSON 또는 사전에서 데이터를로드합니다

 데이터 = {
    "이름": "Diana",
    "나이": 28,
    "이메일": "diana@example.com"
}

user = user (** 데이터)
print (user.json (indent = 2))
# 출력 형식 JSON

또는 .parse_obj() 사용하십시오.

 user = user.parse_obj (데이터)

JSON 현에서 구문 분석 할 수도 있습니다.

 JSON 수입

json_str = '{ "name": "eve", "age": 35, "email": "eve@example.com"}'
user = user.parse_raw (json_str)

? 모델 중첩 (복잡한 구조)

 입력 가져 오기 목록에서

클래스 주소 (Basemodel) :
    도시 : Str
    우편 코드 : str

클래스 사람 (Basemodel) :
    이름 : str
    주소 : 목록 [주소]

# 예제 사용 데이터 = {
    "이름": "프랭크",
    "주소": [
        { "City": "Beijing", "ZipCode": "1000001"},
        { "City": "Shanghai", "ZipCode": "200001"}
    ]]
}

사람 = 사람 (** 데이터)
print (person.json (indent = 2))

? 팁

• dict() 의 이전 버전 대신 model_dump() 사용하십시오 (Pydantic V2에서 권장)
• JSON 문자열을 출력하려면 model_dump_json() 을 사용하십시오
• 기본 공장 지원 ( default_factory )
• 알 수없는 필드 무시와 같은 Config 제어 동작을 설정할 수 있습니다.

 클래스 사용자 (Basemodel) :
    이름 : str

    클래스 구성 :
        추가 = "무시" # 추가 필드를 무시하십시오

기본적으로 그게 다야. Pydantic은 특히 Fastapi에서 데이터 검증을 간단하고 명확하게 만듭니다. 복잡하지는 않지만 매우 실용적입니다.

위 내용은 Python Pydantic 예의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!