Pydantic，验证数据结构的 Python 神器！

---

在Python的日常开发中，数据的验证和处理就像生活中的配菜，你可以偷懒不做，但最后上桌的时候，可能不太能看。今天聊一个能让数据验证变得特别简单又好用的库——Pydantic。它的核心能力是基于Python的类型注解，帮助我们快速验证和解析数据结构，关键是还非常优雅。

---

用Pydantic定义数据模型

Pydantic的强大从它的模型定义就能看出来。你只需要继承它的BaseModel，就能轻松定义出一套结构清晰、类型安全的数据模型。

from pydantic import BaseModel

class User(BaseModel):
    id: int
    name: str
    email: str
    age: int = 18  # 默认值

# 示例：创建一个用户对象
user = User(id=1, name="老李", email="laoli@example.com")
print(user)

运行这段代码，输出的用户对象不仅清晰明了，还会帮你自动完成缺省值填充，少了很多手动处理的麻烦。如果传入的数据类型对不上，直接就会报错，拦住了问题。

温馨提示：字段类型和默认值最好都标清楚，默认值写得不对，也会让人一头雾水。

---

数据验证：输入不对，Pydantic不惯着

一旦传入数据有问题，Pydantic可不是和稀泥的那种，它会毫不客气地报错。这种严谨的态度，开发时候可能会让你抓狂，但上线了你一定会感激它。

try:
    bad_user