'普通' Python 类和 Pydantic 类之间有什么区别？

Question

我想了解在Python中通常构建的类和使用Pydantic库构建的类之间的区别，例如：

例如：正常情况下；

   class Node:
        def __init__(self, chave=None, esquerda=None, direita=None):
            self.chave = chave
            self.esquerda = esquerda
            self.direita = direita

例如pydantic;

from datetime import datetime
from typing import List, Optional
from pydantic import BaseModel


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

- Nivaldo Inácio

---

假设使用第一个方法可以成功执行 self.id = 'hello'，但是使用第二个方法会导致错误。 - Ahmed AEK

谢谢你，Ahmed，你能告诉我为什么吗？ - Nivaldo Inácio

由于第二个类定义中的 id: int，这意味着 id 必须是一个整数值。 - John Gordon

Answer 1

有几个主要的区别。

首先是目的。Pydantic模型旨在：

使用Python类型注释进行数据验证和设置管理。 pydantic在运行时强制执行类型提示，并在数据无效时提供用户友好的错误信息。

当您使用类型注释时，您会收到许多验证器和一些有用的方法。

正如Ahmed和John所说，在您的示例中，您不能将"hello"分配给BaseModel（pydantic）中的id，因为您将id类型定义为int。但是，您可以传递一个字符串"1"（必须是数字，而不是浮点数），它将被映射到int。在这种情况下：

pydantic使用int(v)来强制将类型转换为int；请参见有关数据转换期间信息丢失的警告

此外，Pydantic 模型允许您使用比标准 Python 类型更多的类型，例如URLs等。这意味着您可以轻松验证更多的数据类型。

您可以使用组合轻松创建复杂模型。

Pydantic 与 ORM 有某种程度的集成：文档

还有很多其他功能，远远超出我在单个答案中所能描述的范围。我强烈建议阅读文档，它非常清晰和有用。

Pydantic模型在建立微服务的例子中非常有用，您可以将您的接口共享为Pydantic模型。此外，所有模型都可以轻松生成JSON模式。参见：模式，导出模型。

Pydantic也是越来越受欢迎的Python Web框架FastAPI的重要组成部分。

- JacekK

---

谢谢你，Jace。这非常有启发性。 - Nivaldo Inácio