Pydantic 模型 是一种基于 Python 的 数据验证和数据解析工具，它使用 Python 的类型注解（type hints）来定义数据结构，并自动进行校验、转换和序列化。
它是 FastAPI 的核心组成部分，用于：
-
校验请求数据（如 JSON 请求体）
-
自动生成文档
-
简化数据模型定义
from pydantic import BaseModel, EmailStr
class User(BaseModel):
username: str
email: EmailStr
age: int
解释：
-
username必须是字符串 -
email必须是合法邮箱地址（EmailStr是 Pydantic 内置类型） -
age必须是整数
当传入数据如下：
{
“username”: “alice”,
“email”: “alice@example.com”,
“age”: 25
}
校验成功，创建模型实例。
但如果是：
{
“username”: “bob”,
“email”: “not-an-email”,
“age”: “twenty”
}
或
{
“username”: “alice”,
“email”: “alice@example.com”,
“age”: 25,
“sex”: “男”
}
自动抛出错误（422 Unprocessable Entity）：
{
“detail”: [
{
“loc”: [“body”, “email”],
“msg”: “value is not a valid email address”,
“type”: “value_error.email”
},
{
“loc”: [“body”, “age”],
“msg”: “value is not a valid integer”,
“type”: “type_error.integer”
}
]
}
Pydantic 模型就是 FastAPI 中用于定义和校验数据结构的工具。
如何允许额外字段？
from pydantic import BaseModel, EmailStr, Extra
class User(BaseModel):
username: str
email: EmailStr
age: int
class Config:
extra = Extra.allow