深入探讨 Pydantic 中的 Optional 和 Union 类型_pypantic optional

简介

Pydantic 是一个用于数据验证和设置管理的 Python 库，它通过类型注解（type hints）提供了强大的数据验证功能。本文将深入探讨 Pydantic 中 Optional 和 Union 类型的使用，这两者在处理可选字段和多类型字段时尤为重要。

Optional 类型

Optional类型用于表示一个字段可以是指定类型或 None。这在需要可选字段时非常有用。

1. 定义可选字段

通过 typing.Optional 可以定义可选字段。实际使用中，Optional[X] 等价于 Union[X, None]。

from typing import Optional
from pydantic import BaseModel

class User(BaseModel):
    id: int
    name: str
    age: Optional[int] = None  # age 可以是 int 或 None

user1 = User(id=1, name='Alice', age=30)
user2 = User(id=2, name='Bob')  # age 省略，默认为 None

print(user1)
print(user2)
1
2
3
4
5
6
7
8
9
10
11
12
13

2. 验证可选字段

Pydantic 会自动处理可选字段的验证。如果字段值为 None 或不提供值，它不会引发验证错误。

from pydantic import ValidationError

try:
    user = User(id=3, name='Charlie', age='thirty')
except ValidationError as e:
    print(e)
1
2
3
4
5
6

上述代码会因为 age 不能转换为整数而引发验证错误。

Union 类型

Union 类型用于表示字段可以是多个类型中的一种。它允许更灵活的数据输入。

1. 定义多类型字段

通过 typing.Union 可以定义字段可以接受多个类型。

from typing import Union
from pydantic import BaseModel

class Item(BaseModel):
    id: int
    value: Union[str, int]  # value 可以是 str 或 int

item1 = Item(id=1, value='a string')
item2 = Item(id=2, value=100)

print(item1)
print(item2)
1
2
3
4
5
6
7
8
9
10
11
12

2. 验证多类型字段

Pydantic 会尝试将字段值匹配到 Union 类型中列出的每一种类型，直到成功为止。

from pydantic import ValidationError

try:
    item = Item(id=3, value=[1, 2, 3])  # list 不是合法的类型
except ValidationError as e:
    print(e)
1
2
3
4
5
6

上述代码会因为 value 不是 str 或 int 而引发验证错误。

Optional 和 Union 的组合

在实际应用中，我们经常需要组合使用 Optional 和 Union 来处理更复杂的场景。

1. 可选的多类型字段

我们可以使用 Optional[Union[X, Y]] 表示字段可以是 X 类型或 Y 类型，或者 None。

class Product(BaseModel):
    id: int
    discount: Optional[Union[int, float]] = None  # discount 可以是 int、float 或 None

product1 = Product(id=1, discount=20)
product2 = Product(id=2, discount=15.5)
product3 = Product(id=3)  # discount 省略，默认为 None

print(product1)
print(product2)
print(product3)
1
2
3
4
5
6
7
8
9
10
11

2. 验证可选的多类型字段

Pydantic 会按顺序验证 Union 中列出的每个类型，并允许字段为 None。

from pydantic import ValidationError

try:
    product = Product(id=4, discount='50%')  # str 不是合法的类型
except ValidationError as e:
    print(e)

1
2
3
4
5
6
7

上述代码会因为 discount 不是 int 或 float 而引发验证错误。

总结

Pydantic 的 Optional 和 Union 类型提供了灵活的数据验证机制，使得我们能够处理复杂的可选字段和多类型字段。在定义数据模型时，合理使用这两种类型可以显著提高代码的健壮性和可读性。

获取更多软件测试技术资料/面试题解析，请点击！