Pydantic字段验证器模式详解:before、after、wrap与plain
2025-05-09 23:00:57作者:董斯意
在Python的数据验证库Pydantic中,字段验证器(Field Validator)提供了四种不同的验证模式,这些模式决定了验证逻辑何时执行以及如何处理输入值。本文将深入解析这四种验证模式的工作原理和使用场景。
字段验证器基础
Pydantic的字段验证器通过@field_validator装饰器实现,它允许开发者为模型中的特定字段定义自定义验证逻辑。与模型验证器不同,字段验证器专注于单个字段的值处理。
四种验证模式详解
1. after模式(默认模式)
after模式是字段验证器的默认行为。在这种模式下,验证器会在Pydantic完成基础类型转换后执行。这意味着:
- 输入值已经经过了类型转换(如字符串转数字)
- 验证器接收的是转换后的值
- 适合执行业务逻辑验证
from pydantic import BaseModel, field_validator
class UserModel(BaseModel):
age: int
@field_validator('age') # 默认就是after模式
def check_age(cls, v):
if v < 18:
raise ValueError('年龄必须大于18岁')
return v
2. before模式
before模式验证器会在Pydantic进行任何类型转换之前执行:
- 接收原始输入值
- 可以在类型转换前进行预处理或验证
- 返回的值会继续进行常规的类型转换
class UserModel(BaseModel):
age: int
@field_validator('age', mode='before')
def preprocess_age(cls, v):
if isinstance(v, str) and v.lower() == 'unknown':
return 0 # 将特定字符串转换为默认值
return v
3. wrap模式
wrap模式验证器将原始验证逻辑包装在自定义逻辑中:
- 接收一个验证函数作为参数
- 可以完全控制验证过程
- 需要手动调用原始验证逻辑
class UserModel(BaseModel):
name: str
@field_validator('name', mode='wrap')
def wrap_validation(cls, v, handler):
print(f"验证前的值: {v}")
result = handler(v) # 调用原始验证逻辑
print(f"验证后的值: {result}")
return result
4. plain模式
plain模式是字段验证器特有的模式,它:
- 完全绕过Pydantic的标准验证流程
- 需要自行处理所有验证逻辑
- 不会自动进行类型转换
- 适合需要完全自定义验证的场景
class UserModel(BaseModel):
password: str
@field_validator('password', mode='plain')
def validate_password(cls, v, info):
# 需要自行处理所有验证逻辑
if len(v) < 8:
raise ValueError('密码长度至少8个字符')
if not any(c.isupper() for c in v):
raise ValueError('密码必须包含大写字母')
return v
模式选择指南
- 优先使用after模式:适用于大多数业务逻辑验证场景
- 需要预处理时使用before模式:当输入值需要清理或转换时
- 需要完全控制时使用wrap模式:当需要包装或修改标准验证行为时
- 特殊需求使用plain模式:当标准验证流程不适用时
注意事项
- 字段验证器的函数签名不会因模式不同而改变(与模型验证器不同)
- plain模式需要开发者自行处理所有验证逻辑
- 验证器的返回值会影响最终模型中的字段值
理解这些验证模式的区别和适用场景,可以帮助开发者更有效地利用Pydantic构建健壮的数据验证逻辑。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
539
3.76 K
Ascend Extension for PyTorch
Python
345
412
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
888
605
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
337
182
暂无简介
Dart
777
192
deepin linux kernel
C
27
11
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.34 K
758
React Native鸿蒙化仓库
JavaScript
303
356
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
987
252
仓颉编译器源码及 cjdb 调试工具。
C++
154
896