Pydantic ：基于 Python 类型注解（type hints）的数据验证和数据解析库

Pydantic 是一个基于 Python 类型注解（type hints）的数据验证和数据解析库。它最主要的功能是：保证数据的结构正确，并且自动地进行数据类型转换。

它的特点可以总结为：

• 类型安全：根据你定义的模型（Model），Pydantic 自动验证传入的数据类型是否正确。
• 数据校验：支持复杂的数据校验逻辑，比如字符串长度、数字范围等。
• 自动转换：如果数据类型可以被自动转换（比如字符串 "123" 转成整数 123），Pydantic 会智能地完成。
• 易用性强：非常简洁，易于与 FastAPI 等现代 Python 框架集成。
• 性能优秀：底层用 Cython 优化，速度很快。

---

一个简单的例子

from pydantic import BaseModelclass User(BaseModel):id: intname: strsignup_ts: str | None = Nonefriends: list[int] = []# 创建数据对象
user = User(id='123', name='Tom', friends=[1, 2, '3'])print(user)
print(user.id)          # 自动转换 id 为整数
print(user.friends)     # 自动将字符串 '3' 转换为整数 3

输出：

id=123 name='Tom' signup_ts=None friends=[1, 2, 3]
123
[1, 2, 3]

你可以看到，id 字段虽然传的是字符串 "123"，Pydantic 自动帮你转成了整数 123，而且 friends 列表里的 "3" 也被转成了数字 3。

---

常见应用场景

• API开发（尤其是与 FastAPI 配合时）
• 配置文件管理（比如读取 JSON/YAML 配置时）
• 数据导入校验（如用户上传 CSV/Excel 数据时）
• ORM层数据验证（数据库模型验证）

---