自從我開始程式設計以來，我主要使用結構化和流程範例，因為我的任務需要更實用和直接的解決方案。在處理資料擷取時，我必須轉向新的範式才能實現更有組織的程式碼。

這種必要性的一個例子是在抓取任務期間，當我需要捕獲最初屬於我知道如何處理的類型的特定數據時，但突然間，它要么不存在，要么在捕獲過程中以不同的類型出現.

因此，我必須添加一些if的和try和catch區塊來檢查資料是int還是string...後來發現什麼也沒捕獲，None等等。對於字典，我最終在以下情況下保存了一些無趣的「預設資料」：

data.get(values, 0)

嗯，令人困惑的錯誤訊息肯定必須停止出現。

這就是Python 的動態性。變數可以隨時變更其類型，直到您需要更清楚地了解正在使用的類型為止。然後突然出現一堆訊息，現在我正在閱讀如何處理資料驗證，IDE 幫助我處理類型提示和有趣的 pydantic 庫。

現在，在資料操作等任務中，透過新的範例，我可以擁有明確聲明其類型的對象，以及允許驗證這些類型的庫。如果出現問題，透過查​​看更好描述的錯誤訊息，調試會更容易。

派丹提克

所以，這是 Pydantic 文件。有更多問題，歡迎諮詢。

基本上，如我們所知，我們從以下開始：

pip install pydantic

然後，假設我們希望從包含這些電子郵件的來源中捕獲電子郵件，其中大多數看起來像這樣：「[email protected]」。但有時，它可能是這樣的：「xxxx@」或「xxxx」。我們對應該捕獲的電子郵件格式毫無疑問，因此我們將使用 Pydantic 驗證此電子郵件字串：

from pydantic import BaseModel, EmailStr

class Consumer(BaseModel):
    email: EmailStr
    account_id: int

consumer = Consumer(email="teste@teste", account_id=12345)

print(consumer)

請注意，我使用了可選依賴項“email-validator”，安裝方式為：pip install pydantic[email]。如我們所知，當您執行程式碼時，錯誤將是無效的電子郵件格式「teste@teste」：

Traceback (most recent call last):
  ...
    consumer = Consumer(email="teste@teste", account_id=12345)
               ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
  ...: 1 validation error for Consumer
email
  value is not a valid email address: The part after the @-sign is not valid. It should have a period. [type=value_error, input_value='teste@teste', input_type=str]

使用可選依賴項來驗證資料很有趣，就像創建我們自己的驗證一樣，Pydantic 透過 field_validator 允許這樣做。因此，我們知道 account_id 必須為正且大於零。如果不同，Pydantic 警告有異常（值錯誤）會很有趣。代碼將是：

from pydantic import BaseModel, EmailStr, field_validator

class Consumer(BaseModel):
    email: EmailStr
    account_id: int

    @field_validator("account_id")
    def validate_account_id(cls, value):
        """Custom Field Validation"""
        if value 





$ python capture_emails.py
Traceback (most recent call last):
...
    consumer = Consumer(email="[email protected]", account_id=0)
               ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

...: 1 validation error for Consumer
account_id
  Value error, account_id must be positive: 0 [type=value_error, input_value=0, input_type=int]
    For further information visit https://errors.pydantic.dev/2.8/v/value_error




現在，使用正確的值來運行程式碼：



from pydantic import BaseModel, EmailStr, field_validator

class Consumer(BaseModel):
    email: EmailStr
    account_id: int

    @field_validator("account_id")
    def validate_account_id(cls, value):
        """Custom Field Validation"""
        if value 





$ python capture_emails.py
email='[email protected]' account_id=12345




正確的？ ！ 

我還閱讀了一些關於本機「dataclasses」模組的內容，該模組更簡單一些，並且與 Pydantic 有一些相似之處。然而，Pydantic 更適合處理需要驗證的更複雜的資料模型。 Dataclasses 本來就包含在 Python 中，而 Pydantic 還沒有——至少現在還沒有。