Konfigurasi

Perilaku Pydantic dapat dikontrol melalui BaseModel.model_config, dan sebagai argumen untuk TypeAdapter.

!!! catatan Sebelum v2.0 , kelas Config digunakan. Ini masih didukung, namun tidak digunakan lagi .

from pydantic import BaseModel, ConfigDict, ValidationError


class Model(BaseModel):
    model_config = ConfigDict(str_max_length=10)

    v: str


try:
    m = Model(v='x' * 20)
except ValidationError as e:
    print(e)
    """
    1 validation error for Model
    v
      String should have at most 10 characters [type=string_too_long, input_value='xxxxxxxxxxxxxxxxxxxx', input_type=str]
    """

Selain itu, Anda juga dapat menentukan opsi konfigurasi sebagai kwargs kelas model:

from pydantic import BaseModel, ValidationError


class Model(BaseModel, extra='forbid'):  # (1)!
    a: str


try:
    Model(a='spam', b='oh no')
except ValidationError as e:
    print(e)
    """
    1 validation error for Model
    b
      Extra inputs are not permitted [type=extra_forbidden, input_value='oh no', input_type=str]
    """

1. Lihat bagian Atribut Ekstra untuk lebih jelasnya.

Demikian pula, jika menggunakan dekorator @dataclass dari Pydantic:

from datetime import datetime

from pydantic import ConfigDict, ValidationError
from pydantic.dataclasses import dataclass

config = ConfigDict(str_max_length=10, validate_assignment=True)


@dataclass(config=config)
class User:
    id: int
    name: str = 'John Doe'
    signup_ts: datetime = None


user = User(id='42', signup_ts='2032-06-21T12:00')
try:
    user.name = 'x' * 20
except ValidationError as e:
    print(e)
    """
    1 validation error for User
    name
      String should have at most 10 characters [type=string_too_long, input_value='xxxxxxxxxxxxxxxxxxxx', input_type=str]
    """

Konfigurasi dengan dataclass dari perpustakaan standar atau TypedDict

Jika menggunakan dataclass dari perpustakaan standar atau TypedDict , Anda harus menggunakan __pydantic_config__ sebagai gantinya.

from dataclasses import dataclass
from datetime import datetime

from pydantic import ConfigDict


@dataclass
class User:
    __pydantic_config__ = ConfigDict(strict=True)

    id: int
    name: str = 'John Doe'
    signup_ts: datetime = None

Alternatifnya, dekorator with_config dapat digunakan untuk mematuhi pemeriksa tipe.

from typing_extensions import TypedDict

from pydantic import ConfigDict, with_config


@with_config(ConfigDict(str_to_lower=True))
class Model(TypedDict):
    x: str

Ubah perilaku secara global

Jika Anda ingin mengubah perilaku Pydantic secara global, Anda dapat membuat BaseModel kustom Anda sendiri dengan model_config kustom karena konfigurasinya diwarisi:

from pydantic import BaseModel, ConfigDict


class Parent(BaseModel):
    model_config = ConfigDict(extra='allow')


class Model(Parent):
    x: str


m = Model(x='foo', y='bar')
print(m.model_dump())
#> {'x': 'foo', 'y': 'bar'}

Jika Anda menambahkan model_config ke kelas Model , maka model tersebut akan digabungkan dengan model_config dari Parent :

from pydantic import BaseModel, ConfigDict


class Parent(BaseModel):
    model_config = ConfigDict(extra='allow')


class Model(Parent):
    model_config = ConfigDict(str_to_lower=True)  # (1)!

    x: str


m = Model(x='FOO', y='bar')
print(m.model_dump())
#> {'x': 'foo', 'y': 'bar'}
print(m.model_config)
#> {'extra': 'allow', 'str_to_lower': True}

---

本文总阅读量次