Pydantic 可以与任何基于 Python 的框架一起使用，它还支持原生 JSON 编码和解码 。在这里，了解采用 Pydantic 是多么简单 。
Pydantic 是一个用于数据建模/解析的Python库，具有高效的错误处理和自定义验证机制 。截至今天，Pydantic 主要用于FastAPI 框架中用于解析请求和响应，因为 Pydantic 具有对JSON编码和解码 的内置支持 。
本文涵盖以下主题：

• 理解BaseModel类
• Optional在 Pydantic
• Pydantic 中的验证
• 自定义验证
• 使用 Pydantic 可选email-validator模块 进行电子邮件验证

基本模型对于 Pydantic 中的数据建模，我们需要定义一个继承自BaseModel类和字段的类 。自定义验证逻辑位于同一个模型类中 。让我们通过JSON解析的简单例子来理解 。考虑一个表示用户数据的 JSON 。
输入data = https://www.baikexueshe.com/s/{"id":20, "name":"John", "age":42, "dept":"IT"}

对于解析，首先，我们需要导入BaseModel并声明一个类User，该类继承自BaseModel.
Python
from pydantic import BaseModelfrom pprint import printdata = https://www.baikexueshe.com/s/{"id":20, "name":"John", "age":42, "dept":"IT"}class User(BaseModel):id: intname: strage: intdept: str【trapper wrappers】

接下来，需要从User类中实例化一个对象：
Python
user = User(**data)pprint(user)

输出User(id=20, name=\'John\', age=42, dept=\'IT\')

在 Pydantic 中是可选的类中的属性User可以声明为 type Optional 。如果我们不确定是否存在任何 JSON 字段，我们可以将该特定类型声明为Optional，如果该字段缺失，则默认情况下，如果该属性未使用默认值初始化，则Optional返回 。None在示例中，让我们dept完全删除该字段：
Python
from pydantic import BaseModelfrom typing import Optionalfrom pprint import pprintdata = https://www.baikexueshe.com/s/{"id":20, "name":"John", "age":42}class User(BaseModel):id: intname: strage: intdept: Optional[str]user = User(**data) pprint(user)

输出dept字段值为，None因为它在输入数据中缺失 。
User(id=20, name=\'John\', age=42, dept=None)

Pydantic 中的验证在 Pydantic 中，为了获得更精细的错误细节，开发人员需要使用try/except块 。错误将是类型
pydantic.error_wrappers.ValidationError 。
在我们的 JSON 数据中，将id字段修改为字符串，然后导入ValidationError.
输入数据data = https://www.baikexueshe.com/s/{"id":"default", "name":"John", "age":42}

程序Python
from pydantic import BaseModel, ValidationErrorfrom typing import Optionalfrom pprint import pprintdata = https://www.baikexueshe.com/s/{"id":"default", "name":"John", "age":42}class User(BaseModel):id: intname: strage: intdept: Optional[str]try:user = User(**data)pprint(user)except ValidationError as error:pprint(error)

错误ValidationError(model=\'User\', errors=[{\'loc\': (\'id\',), \'msg\': \'value is not a valid integer\', \'type\': \'type_error.integer\'}])

为了更好的可读性，可以将错误表示为 JSON：
Python
try:user = User(**data)pprint(user)except ValidationError as error:print(error.json())

这将返回 JSON：
JSON
[{"loc": ["id"],"msg": "value is not a valid integer","type": "type_error.integer"}]

自定义验证Pydantic 具有用于自定义属性验证的有用装饰器 。开发者需要导入 Pydanticvalidator装饰器，编写我们自定义的验证逻辑；例如，如果name字段的长度小于 3 个字符，则会引发错误 。