field_validator跨字段校验实用技巧
2026-03-29 17:19:36
0浏览
收藏
Pydantic 中的 `field_validator` 无法安全实现跨字段校验,因其仅接收当前字段值,强行访问其他字段会触发 AttributeError;真正可靠且推荐的做法是使用 `model_validator(mode='after')`——它在所有字段完成基础解析后执行,可通过 `self` 直接访问已验证的全部字段,轻松实现如“付费时金额必填”等业务逻辑,同时规避了误用 `info.data`(v2 中已移除)、硬编码字段名或侵入式上下文传参等常见陷阱,是构建健壮、可维护数据校验逻辑的唯一正解。

field_validator 能不能做跨字段校验?
不能直接做——field_validator 默认只接收当前字段的值,不带 info.context 或完整模型实例,拿不到其他字段。硬写会报 AttributeError: 'ValidationInfo' object has no attribute 'data' 或类似错误。
用 model_validator 替代 field_validator 做跨字段检查
真正该用的是 model_validator(mode='after'):它接收完整的模型实例(即 self),所有已解析字段都可直接访问,适合实现“若 A 为 True,则 B 必须非空”这类逻辑。
- 必须加
mode='after',否则默认是'before',此时字段还没解析,self里只有原始输入字典 - 校验失败时抛
ValueError或AssertionError,Pydantic 会自动转成标准错误 - 注意:如果依赖字段本身校验失败(比如类型错、缺失),
model_validator不会执行——它只在所有字段通过基础校验后才运行
from pydantic import BaseModel, model_validator
class Order(BaseModel):
paid: bool
amount: float | None = None
@model_validator(mode='after')
def check_amount_if_paid(self):
if self.paid and self.amount is None:
raise ValueError('amount is required when paid=True')
return self
field_validator 配合 info.data 的陷阱
旧版 Pydantic v1 有 values 参数,v2 中有人误以为 info.data 存在——其实没有。v2 的 ValidationInfo 对象只有 context、data 是被移除的属性,强行访问会报 AttributeError。
- 别写
info.data['other_field']—— 这段代码在 v2 中永远失败 - 如果真要从上下文传数据,得手动通过
context注入,但这是侵入式设计,不推荐用于字段间逻辑耦合 - 跨字段规则越复杂,越应归到
model_validator,而不是拆到多个field_validator里互相猜状态
需要动态字段名时怎么写 model_validator?
比如“任意以 _url 结尾的字段,值必须以 https:// 开头”,这时不能硬编码字段名,得遍历 self.__pydantic_core_schema__?不用。更简单:直接读 self.__dict__ 或用 self.model_dump(),但注意前者含私有属性,后者触发序列化开销。
- 推荐用
self.model_fields_set+self.__dict__筛出已设置的字段 - 或直接用
self.model_dump(exclude_unset=True)获取干净字典 - 避免在
model_validator里调self.model_dump_json()这类重操作,容易引发循环或性能问题
跨字段校验的本质不是“怎么取值”,而是“在哪取最安全”——答案始终是 model_validator(mode='after'),其他路子要么失效,要么埋雷。
终于介绍完啦!小伙伴们,这篇关于《field_validator跨字段校验实用技巧》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识,快来关注吧!
PPT艺术字添加方法速成教程
- 上一篇
- PPT艺术字添加方法速成教程
- 下一篇
- 2026三八妇女节必看影片推荐指南
查看更多
最新文章
-
- 文章 · python教程 | 2小时前 |
- Python ExceptionGroup 派生新组时如何保留异常元数据
- 417浏览 收藏
-
- 文章 · python教程 | 4小时前 | 异常处理 · 并发编程 · Python教程 · asyncio · asyncio 结构化并发 ExceptionGroup except* Python TaskGroup
- Python TaskGroup 如何汇总多个子任务异常
- 208浏览 收藏
-
- 文章 · python教程 | 7小时前 | 并发编程 · 工程实践 · Python教程 · 多进程日志 QueueListener multiprocessing.Queue RotatingFileHandler Python QueueHandler
- Python 日志 QueueHandler 解决多进程写入争用
- 186浏览 收藏
-
- 文章 · python教程 | 10小时前 | 数据校验 · python · Pydantic 部分更新 exclude_unset model_fields_set 显式空值 model_dump
- Pydantic 模型更新时区分未提供字段与显式空值
- 399浏览 收藏
-
- 文章 · python教程 | 12小时前 |
- pytest Fixture 作用域如何影响测试隔离与速度
- 341浏览 收藏
-
- 文章 · python教程 | 14小时前 | Python教程 · pathlib · 路径安全 Python pathlib Path.resolve 目录穿越 relative_to
- Pathlib 安全拼接用户路径:解析后再验证根目录
- 463浏览 收藏
-
- 文章 · python教程 | 16小时前 | 性能优化 · Python教程 · Python 进程间通信 pickle multiprocessing SharedMemory
- multiprocessing 传输大对象为何变慢,如何减少序列化
- 478浏览 收藏
-
- 文章 · python教程 | 1天前 | python · Python import很慢 -X importtime 模块级副作用 延迟导入 Python启动优化
- Python import 很慢怎么分析:模块级副作用与延迟导入
- 292浏览 收藏
-
- 文章 · python教程 | 1天前 | python · 异步编程 · Python asyncio contextvars request_id
- contextvars 在异步请求链中传递追踪信息
- 393浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 384次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 458次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 471次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 409次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 237次使用
查看更多
相关文章
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

