Python：pydantic_core 库高级用法举例和应用详解

from pydantic_core import SchemaValidator, ValidationError

# 定义一个简单的数据模型，包含name和age
class User:
    name: str  # 用户名，必须是字符串
    age: int   # 用户年龄，必须是整数

validator = SchemaValidator(
    {'name': str, 'age': int}  # 定义验证规则
)

# 假设接收到用户输入的数据
input_data = {'name': 'Alice', 'age': 30}  # 正确数据

try:
    validated_data = validator.validate(input_data)  # 验证数据
    print(validated_data)  # 输出验证后的数据
except ValidationError as e:  # 捕获验证错误
    print(f"验证失败: {e.errors()}")  # 输出错误信息

from pydantic_core import SchemaValidator

# 定义地址模型
class Address:
    city: str  # 城市名称
    zip_code: str  # 邮政编码

# 定义用户模型，其中包含地址模型
class UserWithAddress:
    name: str
    age: int
    address: Address  # 嵌套地址模型

validator = SchemaValidator(
    {
        'name': str,
        'age': int,
        'address': {'city': str, 'zip_code': str}  # 定义嵌套模型的验证规则
    }
)

input_data = {
    'name': 'Bob',
    'age': 25,
    'address': {'city': 'New York', 'zip_code': '10001'}  # 嵌套数据
}

validated_data = validator.validate(input_data)  # 进行验证
print(validated_data)  # 输出经过验证的数据

from pydantic_core import SchemaValidator, Field

# 定义用户数据模型，设置默认值和可选字段
class UserWithDefaults:
    name: str
    age: int = 18  # 默认年龄为18
    gender: str = Field(default='Not specified')  # 默认值为“未指定”

validator = SchemaValidator(
    {'name': str, 'age': int, 'gender': (str, None)}  # gender字段可选
)

input_data = {'name': 'Charlie'}  # 缺少年龄和性别

validated_data = validator.validate(input_data)  # 验证会应用默认值
print(validated_data)  # 输出: {'name': 'Charlie', 'age': 18, 'gender': 'Not specified'}