Python 数据校验的常见实现方式

Pydantic是python数据校验首选，将类型、默认值、约束和错误提示统一于BaseModel；dataclass+__post_init__适合轻量校验；jsonschema适用于跨语言协议对齐；校验需关注时机与位置，避免错位。

用 pydantic 做结构化数据校验最省力

多数场景下，pydantic 是 Python 中数据校验的首选——它把类型声明、默认值、约束条件和错误提示全收进一个 BaseModel 定义里，校验失败直接抛 ValidationError，不用手写一堆 if isinstance(...) 或正则判断。

常见错误是把校验逻辑混在业务函数里，导致函数职责膨胀、测试难覆盖。正确做法是先过 pydantic 模型，再进业务逻辑：

• email: EmailStr 自动检查邮箱格式，比手写正则更可靠
• age: int = Field(ge=0, le=150) 限制整数范围，ge/le 比 gt/lt 更符合“年龄≥0”的语义
• 嵌套模型支持递归校验，比如 address: Address 会自动触发 Address 的字段检查
• 注意：pydantic v2 默认不接受额外字段（extra="forbid"），传入未定义 key 会报错，调试时容易卡在这儿

轻量级校验用 dataclasses + __post_init__

当不需要完整模型序列化能力，只想要初始化时做几项关键检查（比如必填字段非空、URL 可解析），dataclass 配合 __post_init__ 更轻快，无第三方依赖。

典型使用场景是配置类或内部 DTO 对象：

立即学习“Python免费学习笔记（深入）”；

• 在 __post_init__ 里手动 raise ValueError，错误信息可定制，但不会自动聚合多个错误
• 不能像 pydantic 那样返回结构化错误详情，适合错误类型单一、开发自用的模块
• 若字段含 Optional，需显式判 is None，None 不会触发类型检查（dataclass 不做运行时类型校验）
• 性能略高，但少掉约束 DSL 和 json Schema 导出等增值功能

jsonschema 校验适用于外部输入协议对齐

当你对接 OpenAPI、接收第三方 Webhook 或需要与非 Python 系统共用一套 schema 规则时，jsonschema 是事实标准。它不绑定语言，schema 本身是 JSON，可复用、可验证、可文档化。

实操要点：

• 用 validate(instance, schema) 校验数据，失败抛 ValidationError，但错误信息是纯文本，不如 pydantic 的字段路径清晰
• 复杂约束（如“若 status=active，则 require deadline”）得靠 if-then-else 或 dependentSchemas，写起来比 Python 代码啰嗦
• 校验前必须确保输入是 JSON 兼容类型（datetime 得先转字符串），否则 jsonschema 会直接报类型错误
• 不处理 Python 特有类型（Path、UUID、自定义类），纯面向序列化后的数据

别忽略校验位置和时机选择

校验不是越早越好，也不是越严越好。真正容易出问题的是校验点错位：

• 数据库写入前做校验？可能漏掉 ORM 层的隐式转换（比如 DateTime 字段被自动补时区）
• API 入口统一校验？要小心 multipart 表单中文件字段无法被 pydantic 直接解析，得提前提取
• 异步任务参数校验？若用 celery，建议在 task 函数开头立刻实例化模型，别拖到中间步骤
• 最隐蔽的坑：校验通过后，数据被其他代码 mutate（比如字典原地修改），后续逻辑拿到的是“已污染”对象——校验只管入口，不管生命周期