Pydantic严格模式详解：如何精确控制数据验证行为-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_00699/article/details/148361521

Pydantic严格模式详解：如何精确控制数据验证行为

pydantic Data validation using Python type hints 项目地址: https://gitcode.com/gh_mirrors/py/pydantic

什么是严格模式

Pydantic默认采用"宽松模式"进行数据验证，这意味着它会尽可能尝试将输入数据转换为目标类型。例如，当期望一个整数字段时，传入字符串"123"会被自动转换为整数123。这种自动转换在日常开发中非常实用，特别是在处理HTTP请求参数、环境变量等场景时。

然而在某些严格要求类型精确匹配的场景下，这种自动转换可能带来问题。为此，Pydantic提供了"严格模式"（Strict Mode），在该模式下，Pydantic会严格执行类型检查，拒绝任何隐式类型转换。

严格模式的核心特性

严格模式的核心特点是类型精确匹配。在严格模式下：

对于基本类型（如int、float、bool等），只接受对应类型的实例
对于复杂类型（如UUID、datetime等），同样要求精确匹配
从JSON数据验证时规则会略有放宽（后面会详细说明）

启用严格模式的四种方式

Pydantic提供了多种启用严格模式的方法，开发者可以根据需求选择最适合的方式。

1. 在验证方法中启用

最直接的方式是在调用验证方法时传入strict=True参数：

from pydantic import BaseModel

class User(BaseModel):
    age: int

# 宽松模式（默认）
user = User.model_validate({"age": "25"})  # 自动转换成功

# 严格模式
try:
    user = User.model_validate({"age": "25"}, strict=True)
except Exception as e:
    print(e)  # 报错：输入应该是有效的整数

这种方式适用于临时性的严格验证需求，不会影响模型的其他使用场景。

2. 使用Field设置字段级严格模式

如果需要对特定字段启用严格模式，可以使用Field：

from pydantic import BaseModel, Field

class Product(BaseModel):
    id: int = Field(strict=True)  # 该字段启用严格模式
    price: float  # 该字段保持宽松模式

try:
    p = Product(id="123", price="99.9")  # id字段会触发严格验证
except Exception as e:
    print(e)  # id字段验证失败

3. 使用Strict类型注解

Pydantic提供了Strict类型，可以与Annotated配合使用：

from typing import Annotated
from pydantic import BaseModel, Strict

class Account(BaseModel):
    is_verified: Annotated[bool, Strict()]  # 严格验证布尔值

try:
    a = Account(is_verified="true")  # 字符串无法通过严格验证
except Exception as e:
    print(e)

Pydantic还内置了一些严格类型别名，如StrictInt、StrictBool等，可以直接使用。

4. 通过ConfigDict全局启用

如果希望整个模型都使用严格模式，可以通过配置实现：

from pydantic import BaseModel, ConfigDict

class Config(BaseModel):
    model_config = ConfigDict(strict=True)
    
    api_key: str
    timeout: int

try:
    c = Config(api_key="abc", timeout="30")  # 所有字段都会严格验证
except Exception as e:
    print(e)  # timeout字段验证失败

严格模式下的特殊行为

JSON数据验证的特殊处理

从JSON数据验证时，Pydantic会适当放宽严格模式的限制。例如UUID字段：

import json
from uuid import UUID
from pydantic import BaseModel

class Resource(BaseModel):
    uid: UUID

data = {"uid": "12345678-1234-1234-1234-123456789012"}

# 从Python字典验证（严格模式失败）
try:
    Resource.model_validate(data, strict=True)
except Exception as e:
    print(e)

# 从JSON字符串验证（严格模式成功）
Resource.model_validate_json(json.dumps(data), strict=True)

这是因为JSON本身是字符串格式，对某些类型进行适当转换是合理的。

嵌套模型的严格模式

默认情况下，严格模式不会递归应用到嵌套模型。要使嵌套模型也启用严格模式，需要显式配置：

from pydantic import BaseModel, ConfigDict

class InnerModel(BaseModel):
    model_config = ConfigDict(strict=True)
    value: int

class OuterModel(BaseModel):
    model_config = ConfigDict(strict=True)
    inner: InnerModel

try:
    OuterModel(inner={"value": "123"})  # 嵌套模型也会严格验证
except Exception as e:
    print(e)