Django-Ninja 中解决 PydanticSchemaGenerationError 错误的方法
2025-05-28 13:09:35作者:滕妙奇
在使用 Django-Ninja 框架开发 REST API 时,开发者可能会遇到 pydantic.errors.PydanticSchemaGenerationError 错误。这个错误通常出现在定义模型 Schema 并进行嵌套使用时,特别是在处理 Django 模型关系时。
错误原因分析
该错误的根本原因是 Pydantic 在尝试生成 Schema 时遇到了类型解析问题。在给出的示例中,主要存在两个关键问题:
- Schema 定义问题:在
StudentSchema中嵌套使用ClassSchema时,没有正确处理模型关系 - 路由参数类型注解缺失:在
create_clas视图函数中,payload参数缺少类型注解
解决方案
1. 修正 Schema 定义
对于嵌套模型关系的 Schema,正确的定义方式应该是:
class ClassSchema(ModelSchema):
class Config:
model = ClassDetail
model_fields = "__all__"
class StudentSchema(ModelSchema):
classs: ClassSchema # 这里使用类型注解而非类属性
class Config:
model = Student
model_fields = ['id', 'first_name', 'last_name', 'full_name', 'created_at', 'updated_at']
2. 修正视图函数参数注解
所有使用 Schema 作为参数的视图函数,必须使用类型注解:
@router.post('/class', response=ClassSchema)
def create_clas(request, payload: ClassSchema): # 注意这里的类型注解
clas = ClassDetail.objects.create(**payload.dict())
return clas
3. 模型保存方法优化
原始代码中的 save 方法存在逻辑错误,应该修正为:
def save(self, *args, **kwargs):
self.full_name = f"{self.first_name} {self.last_name}"
return super().save(*args, **kwargs)
深入理解
Django-Ninja 基于 Pydantic 进行数据验证和序列化,当 Schema 定义不正确时,Pydantic 无法正确生成核心 Schema。特别是在处理模型关系时:
- 嵌套 Schema 必须使用类型注解而非类属性
- 所有输入参数 如果使用 Schema 必须显式声明类型
- 模型配置 中的
arbitrary_types_allowed=True通常不是最佳解决方案
最佳实践建议
- 始终为 Schema 参数添加类型注解
- 避免在 Schema 配置中使用
__all__,明确列出需要的字段 - 对于复杂关系,考虑使用专门的 Schema 方法而非直接嵌套
- 在模型方法中确保正确处理数据并返回适当的值
通过遵循这些实践,可以避免大多数与 Schema 生成相关的错误,并构建更健壮的 API 接口。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0207
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0133
MinerUA high-quality tool for convert PDF to Markdown and JSON.一站式开源高质量数据提取工具,将PDF转换成Markdown和JSON格式。Python08
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
wgai开箱即用的JAVAAI在线训练识别平台&OCR平台AI合集包含旦不仅限于(车牌识别、安全帽识别、抽烟识别、常用类物识别等) 图片和视频识别,可自主训练任意场景融合了AI图像识别opencv、yolo、ocr、esayAI内核识别;AI智能客服、AI语言模型、 无任何第三方API接口可定制化自主离线化部署并自主化行业化使用避免占用内存、GPU消耗训练与识别分开使用;Java05
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
772
5.05 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
869
1.99 K
Ascend Extension for PyTorch
Python
748
931
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
694
1.37 K
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
468
461
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
268
昇腾LLM分布式训练框架
Python
181
225
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++
1.09 K
1.14 K
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
363
132