Pydantic V2 中默认值类型验证的注意事项

在Python数据验证库Pydantic V2中，开发者可能会遇到一个关于字段默认值类型验证的常见陷阱。本文将深入分析这个问题，并介绍正确的解决方案。

问题现象

当开发者定义一个Pydantic模型时，可能会尝试为整型字段设置字符串类型的默认值：

from pydantic import BaseModel, Field

class Data(BaseModel): 
    id: int = Field(default="")

这种情况下，Pydantic V2默认不会验证默认值的类型匹配性，导致字符串""被直接赋给声明为整型的id字段。

问题根源

这个行为源于Pydantic V2的一个设计决策：默认情况下，模型配置中的validate_default参数为False。这意味着Pydantic不会自动验证字段默认值是否符合声明的类型注解。

解决方案

要确保默认值也经过类型验证，开发者需要显式启用validate_default配置：

class Data(BaseModel): 
    id: int = Field(default="", validate_default=True)

或者通过模型配置全局设置：

class Data(BaseModel):
    model_config = ConfigDict(validate_default=True)
    
    id: int = Field(default="")

启用后，当尝试使用不匹配类型的默认值时，Pydantic会抛出验证错误，提示类型不匹配。

最佳实践

1. 对于需要严格类型检查的模型，建议全局启用validate_default
2. 为字段设置默认值时，确保其类型与字段声明类型一致
3. 在复杂场景下，可以考虑使用@field_validator进行自定义验证

总结

Pydantic V2提供了灵活的验证机制，但需要开发者理解其默认行为。通过合理配置validate_default参数，可以确保模型数据的完整性，避免因默认值类型不匹配导致的潜在问题。这一特性在构建健壮的数据处理管道时尤为重要。