Pydantic：Python 数据验证的事实标准

leitingdev483946

298人浏览 · 2026-06-06 21:06:25

leitingdev483946 · 2026-06-06 21:06:25 发布

文章目录

Pydantic：Python 数据验证的事实标准

Pydantic：Python 数据验证的事实标准

pydantic 在 GitHub 上已经拿到 27.9K Star 了。

它只做一件事：用 Python 原生的类型注解来做数据验证。传入的数据对不对、类型是否匹配、缺没缺字段，全部自动检查并转换。

正文顶部截图

1、这玩意儿是干嘛的

写 Python 接口或数据处理脚本时，最烦的不是业务逻辑，是输入校验。

用户传了个字符串代替数字，日期格式五花八门，列表里混进一个 None，这些问题要么在运行时报错，要么悄悄埋进数据里，等出事了才暴露。

Pydantic 的做法很直接：定义一个继承自 BaseModel 的类，把字段类型写清楚，剩下的交给它。

from datetime import datetime
from typing import Optional
from pydantic import BaseModel

class User(BaseModel):
    id: int
    name: str = 'John Doe'
    signup_ts: Optional[datetime] = None
    friends: list[int] = []

外部数据丢进来，它会自动尝试转换。字符串 “123” 变成整数 123，ISO 格式的时间字符串转成 datetime 对象，字节串也能正常解析。类型对不上或者转换不了，直接抛出 ValidationError，错误信息很具体，告诉你哪个字段出了什么问题。

2、为什么要用它

Python 本身有 typing，但没有运行时的强制校验。你写了 id: int，运行的时候传个字符串进来，Python 不会拦你。

手动写校验逻辑又太啰嗦。每个字段判断类型、检查范围、处理默认值，写多了全是样板代码。

Pydantic 把这一层全包掉了。声明式定义，自动验证，错误信息开箱即用。和 IDE、类型检查器也能配合得很好，写代码的时候就有补全和提示。

另一个点是性能。Pydantic V2 用 Rust 重写了核心验证逻辑，速度比 V1 快很多。对高并发的 API 服务来说，这一点差异很实在。

README区域截图

3、安装与使用

安装很简单：

pip install -U pydantic

也可以用 conda：

conda install pydantic -c conda-forge

基础用法就是定义模型、实例化、验证：

from datetime import datetime
from typing import Optional
from pydantic import BaseModel

class User(BaseModel):
    id: int
    name: str = 'John Doe'
    signup_ts: Optional[datetime] = None
    friends: list[int] = []

external_data = {
    'id': '123',
    'signup_ts': '2017-06-01 12:22',
    'friends': [1, '2', b'3']
}

user = User(**external_data)
print(user)
#> User id=123 name='John Doe' signup_ts=datetime.datetime(2017, 6, 1, 12, 22) friends=[1, 2, 3]