Pydantic
اعتبارسنجی داده بر پایه تایپهینتها
۴.۸۹ از ۵
پایتون
این کتابخانه چیست و چه میکند؟
Pydantic داده ورودی (JSON، فرم، متغیر محیطی) را بر اساس مدلهای تایپدار پایتون اعتبارسنجی و به آبجکت تمیز تبدیل میکند؛ خطاها را دقیق و انسانی گزارش میدهد و هسته اعتبارسنجیاش با Rust نوشته شده و بسیار سریع است. FastAPI و LangChain و صدها کتابخانه دیگر روی Pydantic سوارند.
قابلیتهای کلیدی
- اعتبارسنجی خودکار بر اساس تایپها
- پیام خطای دقیق و خوانا
- model_dump و model_validate_json
- تنظیمات با BaseSettings از متغیر محیطی
مثال کاربردی واقعی
قابل اجراfrom pydantic import BaseModel, EmailStr, field_validator
class User(BaseModel):
name: str
email: EmailStr
age: int
@field_validator('age')
@classmethod
def check_age(cls, v):
if v < 13:
raise ValueError('حداقل سن ۱۳ سال است')
return v
user = User(name='سارا', email='sara@example.com', age=25)
print(user.model_dump())
توضیح مثال: EmailStr به پکیج email-validator نیاز دارد (pip install email-validator). با model_dump خروجی dict میگیرید و با model_validate_json مستقیم از رشته JSON آبجکت میسازید.
نکات حرفهای
- فیلدهای اختیاری را Optional بنویسید تا None پذیرفته شود.
- برای تنظیمات پروژه از BaseSettings بخوانید؛ فایل .env هم پشتیبانی میشود.