Pydantic field_validator: проверить поле модели

Категория: Python · Язык: Python · Обновлено:

@field_validator в Pydantic v2 проверяет и преобразует значение одного поля. Валидатор объявляется методом класса, получает значение и возвращает исправленное; при ошибке выбрасывает ValueError. Для проверки нескольких полей сразу используют @model_validator.

Очистить строку и проверить пустоту

Python
from pydantic import BaseModel, field_validator

class User(BaseModel):
    name: str
    age: int

    @field_validator("name")
    @classmethod
    def name_not_empty(cls, value: str) -> str:
        value = value.strip()
        if not value:
            raise ValueError("имя не может быть пустым")
        return value

user = User(name="  Анна  ", age=30)
print(user.name)  # Анна

try:
    User(name="   ", age=30)
except ValueError:
    print("ошибка валидации")  # ошибка валидации

По умолчанию валидатор работает после приведения типа (mode="after"), поэтому value уже имеет тип str. Если нужно принять сырое значение до преобразования, укажите mode="before". Валидатор должен быть classmethod; без декоратора Pydantic выдаст ошибку при создании модели.

Разобрать сумму в копейках

Python
from decimal import Decimal
from pydantic import BaseModel, field_validator

class Order(BaseModel):
    total: int

    @field_validator("total", mode="before")
    @classmethod
    def parse_money(cls, value):
        if isinstance(value, str):
            return int(Decimal(value) * 100)
        return value

print(Order(total="19.90").total)  # 1990

mode="before" получает строку "19.90" и возвращает целое число копеек. Decimal избегает ошибки округления, которая возможна при float. После валидатора Pydantic проверяет тип и ограничения поля; если вернуть значение неподходящего типа, модель не создастся.

Валидаторы не вызываются при присваивании, если не включён validate_assignment=True. Ошибки собираются в ValidationError; в FastAPI они автоматически превращаются в ответ 422. Для простых ограничений вроде длины используйте Field(min_length=1), а валидатор оставьте для нормализации и бизнес-правил.

Не выполняйте в валидаторе сетевые запросы и тяжёлые операции: он вызывается на каждом разборе модели. Для проверок, зависящих от внешних данных, используйте отдельный сервисный слой после валидации.

Документация: field_validator, Pydantic v2.