[英]How to validate a complex nested data structure with Pydantic?
我有如下復雜且嵌套的數據結構:
{ 0: { 0: {'S': 'str1', 'T': 4, 'V': 0x3ff},
1: {'S': 'str2', 'T': 5, 'V': 0x2ff}},
1: { 0: {'S': 'str3', 'T': 8, 'V': 0x1ff},
1: {'S': 'str4', 'T': 7, 'V': 0x0ff}},
......
}
它基本上是一個二維字典。 最里面的字典遵循 {Str: str, str:int, str:int},而它的外部字典總是以 integer 作為索引的鍵。
Pydantic 有沒有辦法驗證數據類型和數據結構? 我的意思是如果有人用一個字符串作為外部字典的鍵更改數據,代碼應該提示錯誤。 或者,如果有人通過將“V”值賦給字符串來調整內部字典,則檢查員需要對此進行投訴。
我是 Pydantic 的新手,發現它總是需要一個 str 類型的字段來存儲任何數據……有什么想法嗎?
您可以將Dict
用作自定義根類型,並將int
用作鍵類型(使用嵌套 dict)。 像這樣:
from pydantic import BaseModel, StrictInt
from typing import Union, Literal, Dict
sample = {0: {0: {'S': 'str1', 'T': 4, 'V': 0x3ff},
1: {'S': 'str2', 'T': 5, 'V': 0x2ff}},
1: {0: {'S': 'str3', 'T': 8, 'V': 0x1ff},
1: {'S': 'str4', 'T': 7, 'V': 0x0ff}}
}
# innermost model
class Data(BaseModel):
S: str
T: int
V: int
class Model(BaseModel):
__root__: Dict[int, Dict[int, Data]]
print(Model.parse_obj(sample))
只是為了分享一個替代選項 - convtools 模型(文檔| github )。
它在僅驗證模式下工作,除非您明確告訴它強制轉換類型。 而且默認情況下它不使用不安全的類型轉換(例如,將1.5
轉換為1
是不好的)。
from typing import Dict, Literal, Union
from convtools.contrib.models import DictModel, build
sample = {
0: {
0: {"S": "str1", "T": 4, "V": 0x3FF},
1: {"S": "str2", "T": 5, "V": 0x2FF},
},
1: {
0: {"S": "str3", "T": 8, "V": 0x1FF},
1: {"S": "str4", "T": 7, "V": 0x0FF},
},
}
# innermost model
class Data(DictModel):
S: str
T: int
V: int
obj, errors = build(Dict[int, Dict[int, Data]], sample)
"""
>>> In [58]: obj
>>> Out[58]:
>>> {0: {0: Data(S='str1', T=4, V=1023), 1: Data(S='str2', T=5, V=767)},
>>> 1: {0: Data(S='str3', T=8, V=511), 1: Data(S='str4', T=7, V=255)}}
"""
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.