Pydantic中model_dump方法对自定义类的浅拷贝问题解析

问题背景

在使用Pydantic V2进行数据模型处理时，开发者发现model_dump方法对自定义类实例的处理方式存在一个值得注意的特性。当模型包含自定义类作为属性时，model_dump生成的字典会保留对原始对象中自定义类实例的引用，而非创建完全独立的副本。

现象重现

考虑以下示例代码：

from pydantic import BaseModel

class MyClass:
    def __init__(self, data):
        self.data = data

class Model(BaseModel, arbitrary_types_allowed=True):
    var: MyClass

m = Model(var=MyClass([1, 2, 3]))
md = m.model_dump()
md['var'].data.pop()

print(m.var.data)  # 输出[1, 2]，原始模型数据也被修改

在这个例子中，对model_dump结果的操作意外地影响了原始模型中的数据，这显然不符合大多数开发者对"dump"操作的预期。

技术原理

Pydantic的model_dump方法默认采用浅拷贝策略，对于基本数据类型和标准库类型会创建新实例，但对于自定义类则直接保留引用。这种行为设计源于：

1. 性能考虑：深拷贝可能带来额外的性能开销
2. 灵活性：保留引用允许更灵活的数据操作方式
3. 明确性：开发者需要显式处理复杂对象的拷贝需求

解决方案

Pydantic提供了多种方式来解决这个问题：

1. 使用model_copy方法

md = m.model_copy(deep=True).model_dump()

这种方法先创建模型的深拷贝，再执行dump操作，确保结果完全独立。

2. 自定义序列化器

对于需要精细控制的情况，可以使用PlainSerializer：

from pydantic import PlainSerializer
from typing import Annotated
from copy import deepcopy

class Model(BaseModel, arbitrary_types_allowed=True):
    var: Annotated[MyClass, PlainSerializer(lambda x: deepcopy(x))]

这种方式为特定字段指定了自定义的序列化行为。

最佳实践建议

1. 对于包含复杂自定义类的模型，始终考虑使用深拷贝
2. 在API边界处明确处理数据拷贝需求
3. 考虑为自定义类实现__deepcopy__方法以获得更好的性能
4. 文档化模型的数据拷贝行为，避免团队误解

设计哲学

Pydantic的这种设计体现了"显式优于隐式"的Python哲学。它不自动假设开发者需要深拷贝，而是提供工具让开发者根据具体需求选择适当的行为。这种设计既保持了灵活性，又避免了不必要的性能开销。

理解这一特性有助于开发者更好地设计数据模型和处理流程，特别是在涉及复杂对象图和可变状态的场景中。