1）Pydantic 是什么？
Pydantic 是 Python 生态中最常用的数据验证与序列化库：你用类型注解描述数据结构，Pydantic 负责在运行时做验证、类型转换、错误报告与 JSON Schema 生成。
2）为什么使用 Pydantic？
- 类型驱动：直接复用 Python 类型提示，和 IDE、mypy/pyright 协同良好。
- 高性能：核心验证引擎
pydantic-core用 Rust 实现，速度在同类库中很有竞争力。 - 序列化能力强：统一支持导出 Python 对象、JSON 兼容对象与 JSON 字符串。
- JSON Schema 生成：模型可直接生成 JSON Schema（2020-12），天然适配 OpenAPI 3.1。
- 严格/宽松双模式：可做智能转换（默认）也可强校验（
strict=True）。 - 可扩展：验证器、序列化器、TypeAdapter、自定义类型协议都很完善。
- 生态成熟：FastAPI、SQLModel、Django Ninja、LangChain 等大量项目依赖。
3）Pydantic 解决了哪些工程痛点？
- 外部输入不可信：自动拦截脏数据并定位具体字段错误。
- 类型漂移：把字符串数字、日期字符串等按规则转换为目标类型。
- 接口契约不稳定：通过模型统一入参/出参，降低前后端沟通成本。
- 文档同步困难：模型即文档，Schema 自动生成。
5）Pydantic v2 必须掌握的 API
model_validate(obj)：输入 Python 对象（如dict、ORM 对象），执行验证和类型转换后，返回模型实例。适合服务内已经拿到 Python 数据的场景。model_validate_json(json_data)：输入 JSON 字符串/字节串，一步完成“JSON 解析 + 校验 + 转换”。常用于高性能入口（HTTP 原始报文、消息队列消息体）。model_dump(...)：导出为 Python 字典。常用参数：exclude_unset（只导出已设置字段）、exclude_defaults（排除默认值字段）、exclude_none（排除None字段）、mode="json"（导出 JSON 兼容值）。model_dump_json(...)：直接导出为 JSON 字符串，适合写日志、发消息、直接返回文本化载荷。model_json_schema()：生成模型对应的 JSON Schema，是 OpenAPI 文档、前端自动表单和契约校验工具链的基础。
6）序列化三种常见形态
from datetime import datetime
from pydantic import BaseModel
class Meeting(BaseModel):
when: datetime
where: bytes
why: str = "No idea"
m = Meeting(when="2020-01-01T12:00", where="home")
# 形态 1：Python 对象字典（保留 Python 原生类型）
# exclude_unset=True：只导出“显式传入/被设置过”的字段
# 例如 datetime 仍是 datetime 对象、bytes 仍是 bytes
print(m.model_dump(exclude_unset=True))
# 形态 2：JSON 兼容字典（仍是 dict，但值已可 JSON 化）
# mode="json"：把 datetime/bytes/UUID 等转换为 JSON 友好值
# exclude={"where"}：排除指定字段
print(m.model_dump(mode="json", exclude={"where"}))
# 形态 3：JSON 字符串（可直接落日志/消息队列/HTTP）
# exclude_defaults=True：排除“等于默认值”的字段，减少冗余
print(m.model_dump_json(exclude_defaults=True))7）严格模式 vs 宽松模式
- 宽松模式（默认）：更偏业务友好，允许合理类型转换。
- 严格模式：更偏安全与一致性，不做隐式转换。
实践建议：外部入口（支付、风控、权限）可偏严格；内部服务交互可按业务选择宽松/严格策略。
8）除了 BaseModel，还有哪些建模方式？
BaseModel：最常用，功能最完整。pydantic.dataclasses.dataclass：给 dataclass 增加验证能力。TypeAdapter：对任意类型（如TypedDict、list[int]）做验证/序列化。validate_call：为函数调用参数做运行时验证。
9）TypeAdapter 的典型场景
from typing_extensions import TypedDict
from pydantic import TypeAdapter
class Query(TypedDict):
page: int
size: int
adapter = TypeAdapter(Query)
data = adapter.validate_python({"page": "1", "size": "20"})
print(data)
print(adapter.json_schema())当你不想额外定义 BaseModel，但仍要验证类型时，TypeAdapter 很高效。
10）自定义验证与序列化
先记住一句话：验证器（Validator）用于“输入阶段”，序列化器（Serializer）用于“输出阶段”。
field_validator：字段级规则，适合单字段校验/修正（如用户名格式）。model_validator：模型级规则，适合跨字段一致性（如密码与确认密码一致）。field_serializer：输出阶段格式化/脱敏（如时间格式化、手机号打码）。
from datetime import datetime, timezone
from pydantic import BaseModel, field_serializer, field_validator, model_validator
class UserProfile(BaseModel):
username: str
password: str
confirm_password: str
created_at: datetime
phone: str
# 1) 字段级验证器：校验并修正单字段输入
@field_validator("username")
@classmethod
def normalize_username(cls, value: str) -> str:
if " " in value:
raise ValueError("用户名不能包含空格")
return value.strip().title()
# “now”转时间 + 时区修正到 UTC
@field_validator("created_at", mode="before")
@classmethod
def parse_created_at(cls, value: object) -> datetime:
if isinstance(value, str) and value.lower() == "now":
return datetime.now(timezone.utc)
if isinstance(value, str):
# Python 3.13 推荐：fromisoformat 解析 ISO8601 字符串
value = datetime.fromisoformat(value)
if isinstance(value, datetime):
# 统一输出为 UTC 感知时间
if value.tzinfo is None:
return value.replace(tzinfo=timezone.utc)
return value.astimezone(timezone.utc)
raise TypeError("created_at 必须是 datetime 或 ISO8601 字符串")
# 2) 模型级验证器：处理跨字段业务规则
@model_validator(mode="after")
def check_passwords_match(self) -> "UserProfile":
if self.password != self.confirm_password:
raise ValueError("两次密码输入不一致")
return self
# 3) 字段级序列化器：控制输出给前端的格式
@field_serializer("created_at")
def serialize_created_at(self, dt: datetime) -> str:
return dt.strftime("%Y-%m-%d %H:%M:%S %Z")
@field_serializer("phone")
def serialize_phone(self, value: str) -> str:
if len(value) >= 7:
return f"{value[:3]}****{value[-4:]}"
return "****"
payload = {
"username": "alice",
"password": "secret123",
"confirm_password": "secret123",
"created_at": "now",
"phone": "13812345678",
}
user = UserProfile.model_validate(payload)
print(user.model_dump())
print(user.model_dump_json())面试回答可总结：field_validator 管单字段输入质量，model_validator 管跨字段业务一致性，field_serializer 管输出格式与脱敏。
11）Pydantic 与 FastAPI 的关系
- 请求体校验：非法输入自动 422。
- 响应模型过滤：避免敏感字段泄漏。
- OpenAPI 生成：模型直接驱动文档。
面试可总结：FastAPI 的“自动化体验”很大程度来自 Pydantic。