Pydantic中OnErrorOmit模式下的验证错误处理技巧

在实际开发中，我们经常会遇到需要处理数据集合（如列表）中部分元素验证失败的情况。Pydantic作为Python中强大的数据验证库，提供了OnErrorOmit模式来处理这类场景，但如何获取被忽略的验证错误信息呢？

核心问题分析

当使用OnErrorOmit模式时，Pydantic会自动跳过验证失败的元素，只保留验证成功的部分。这在保证程序继续运行的同时，也带来了一个挑战：我们无法直接获取哪些元素验证失败以及失败的具体原因。

解决方案详解

1. 模型包装验证器方案

通过模型级别的包装验证器，我们可以捕获验证过程中的异常：

@model_validator(mode="wrap")
@classmethod
def log_failed_validation(cls, data: Any, handler: ModelWrapValidatorHandler[Self]) -> Self:
    try:
        handled_data = handler(data)
    except ValidationError as e:
        logger.error(f"验证失败的数据: {data}")
        raise e
    return handled_data

这种方法虽然不能将错误信息返回给调用方，但至少可以在日志中记录验证失败的情况。

2. 字段包装验证器方案（推荐）

更完善的解决方案是使用字段级别的包装验证器，结合验证上下文来存储错误信息：

from pydantic import WrapValidator, ValidatorFunctionWrapHandler, ValidationError, ValidationInfo
from pydantic_core import PydanticOmit

def on_error(value: Any, handler: ValidatorFunctionWrapHandler, info: ValidationInfo) -> Any:
    try:
        return handler(value)
    except ValidationError as e:
        info.context['validation_errors'].append(e)
        raise PydanticOmit

class MyModel(BaseModel):
    items: list[Annotated[int, WrapValidator(on_error)]]

# 使用示例
context = {'validation_errors': []}
model = MyModel.model_validate({'items': [1, 'invalid']}, context=context)
print(model)  # 输出: {'items': [1]}
print(context['validation_errors'])  # 包含验证错误详情

这种方法具有以下优势：

1. 保留了原始数据的验证结果
2. 可以获取所有验证错误的详细信息
3. 不影响模型的正常使用

实际应用建议

1. 错误处理策略：根据业务需求决定是记录日志、抛出异常还是静默处理
2. 上下文管理：可以扩展验证上下文来存储更多元信息
3. 性能考虑：对于大型数据集，要注意错误收集可能带来的内存开销

总结

通过合理使用Pydantic的验证器机制，我们可以在保持OnErrorOmit模式优点的同时，仍然获取必要的验证错误信息。这种方案特别适合需要部分成功处理但又需要监控数据质量的场景，如批量数据处理、API请求验证等。

掌握这些技巧后，开发者可以更灵活地处理复杂的数据验证场景，在保证系统健壮性的同时不丢失重要的调试信息。