pydantic 如何用 model_validator 实现跨模型校验

不能直接跨模型校验；model_validator的self仅指向当前模型实例，需通过嵌套字段、init=False引用或应用层协作实现间接校验。

model_validator 能否校验其他模型实例？

不能直接跨模型校验——model_validator 的 self 始终是当前模型的实例，拿不到其他模型对象。所谓“跨模型”，实际是指在当前模型中访问、依赖或验证另一个模型的字段或状态，必须通过显式传入、嵌套引用或上下文注入实现。

把被校验模型作为字段嵌套进来

最常用也最安全的方式：把要校验的“外部模型”作为当前模型的一个字段（Field），再在 model_validator(mode='after') 中读取它并做逻辑判断。此时两个模型生命周期一致，数据可同步访问。

• model_validator 必须设 mode='after'，否则字段可能还未解析完成
• 被嵌套模型需已定义且类型标注明确，Pydantic 才能完成自动解析和类型检查
• 若嵌套模型字段为 Optional，校验前务必判空，否则访问 .xxx 会抛 AttributeError

from pydantic import BaseModel, model_validator 
class Address(BaseModel): city: str postal_code: str
class User(BaseModel): name: str address: Address  # ← 显式嵌套，不是字符串或 dict
@model_validator(mode='after') def check_city_and_postal_match(self):     if self.address.city == 'Beijing' and not self.address.postal_code.startswith('100'):         raise ValueError('Beijing address must have postal code starting with "100"')     return self

用 init=False 字段临时存外部模型引用
当无法嵌套（比如两个模型完全独立、只在某次初始化时有关联），可用 Field(init=False) 存一个“只读引用”，并在 __init__ 或 model_validator 中手动注入。但要注意：这绕过了 Pydantic 的自动解析，需自行保证类型安全。

该字段不会出现在 .model_dump() 中，也不会参与序列化
必须在 model_validator(mode='before') 或 __init__ 中赋值，mode='after' 时 self 尚未完成构建，无法写入 init=False 字段
Pydantic 不校验该字段类型，运行时出错风险高，建议加 assert isinstance(...) 防御

class Order(BaseModel):     item_id: int     quantity: int     _product: 'Product' = Field(init=False)  # 类型提示用字符串延迟解析 
@model_validator(mode='before') @classmethod def inject_product(cls, data):     # 假设 product 是从外部传进来的对象     if 'product' in data:         obj = data.pop('product')         if not isinstance(obj, Product):             raise TypeError('product must be Product instance')         data['_product'] = obj     return data  @model_validator(mode='after') def validate_stock(self):     if self._product.stock < self.quantity:         raise ValueError('insufficient stock')     return self

避免在 validator 中调用数据库或远程服务
Pydantic 的 model_validator 设计用于**数据结构一致性校验**，不是业务逻辑执行入口。如果“跨模型”意味着查 DB 拿另一个模型实例（比如根据 user_id 查 User 再校验 role），那属于应用层职责，不应塞进 validator。

validator 在 BaseModel.model_validate() 或 .parse_obj() 时同步执行，阻塞主线程
无法异步（async def 不被支持），也无法可靠注入依赖（如 session、client）
单元测试困难，耦合度高；错误堆栈不清晰，调试成本上升

正确做法是：先用 Pydantic 解析基础字段 → 在 service 层获取关联模型 → 手动比对或抛业务异常。
真正容易被忽略的是：model_validator 的执行时机与字段生命周期强绑定，而“跨模型”往往隐含了时序错位（比如 A 模型已存在，B 模型还没创建）。这时候硬塞进 validator，只会让校验逻辑变得脆弱且难以追踪。