引言
Pydantic 是一个用于数据验证和解析的流行库，经常被用于 FastAPI 和其他现代 Python 项目中。在处理 API 请求时，我们经常需要对请求参数进行有效性检查，例如日期范围、分页和排序等。在本文中，我们将介绍如何在 Pydantic 中使用 Mixin 和组合模式来实现这些功能，并讨论它们的优缺点。
通用model
首先，我们定义了以下几个基础的 Pydantic 模型：
DateModel：用于表示日期范围，包含开始日期和结束日期。OrderModel：用于表示排序参数，包含排序字段和排序方式（升序或降序）。PageModel：用于表示分页参数，包含页码和每页数量。
#!/usr/bin/python3
# -*- coding: utf-8 -*-
# @author: hui
# @Desc: { 通用的一些Pydantic模型 }
# @Date: 2023/03/30 11:57
from pydantic import BaseModel, Field, validator
from typing import Optional
from datetime import date
class DateModel(BaseModel):
"""日期模型"""
start_date: Optional[date] = Field(None, description="开始日期")
end_date: Optional[date] = Field(None, description="结束日期")
@validator("end_date", always=True)
def validate_end_date(cls, end_date, values):
start_date = values.get("start_date")
if all([start_date, end_date]) and end_date < start_date:
raise ValueError("结束日期必须大于等于开始日期")
return end_date
class OrderModel(BaseModel):
"""排序模型"""
order_by: Optional[str] = Field(None, description="排序字段,逗号分隔")
order_mode: Optional[str] = Field(None, description="排序方式,逗号分隔,asc升序desc降序")
@validator("order_by", "order_mode", always=True)
def split_comma_separated_string(cls, value):
if value:
return value.split(",")
return value
@validator("order_mode", always=True)
def check_length(cls, order_mode, values):
order_by = values.get("order_by")
if order_by and order_mode and len(order_by) != len(order_mode):
raise ValueError("order_by and order_mode must have the same length")
return order_mode
class PageModel(BaseModel):
"""分页模型"""
page: Optional[int] = Field(default=1, ge=1, description="页码")
page_size: Optional[int] = Field(default=10, le=1000, description="每页数量, 默认10，最大1000")
接下来，我们通过混入（Mixin）和组合两种不同的方式将这些基础模型应用到一个实际的 API 请求中。
Mixin 模式
DateOrderModelMixin 类通过多重继承的方式继承了 DateModel 和 OrderModel。这种方式的优点是简单易懂，可以实现代码重用。然而，它也可能导致类层次结构变得复杂，尤其是当有多个 Mixin 之间存在依赖关系时。
class DateOrderModelMixin(DateModel, OrderModel):
"""日期与排序模型Mixin"""
pass
组合模式
PageOrderModel 类通过组合的方式将 OrderModel 和 PageModel 作为它的属性。在初始化方法中，我们将请求参数映射到这两个模型，并调用基类的初始化方法。
组合模式的优点是代码结构更清晰，易于维护和扩展。但是，它可能需要编写更多的代码来将功能委托给组合的组件。
class PageOrderModel(BaseModel):
"""分页排序模型"""
order_model: OrderModel = Field(OrderModel(), description="排序模型")
page_model: PageModel = Field(PageModel(), description="分页模型")
def __init__(self, **data):
if "order_model" in data and "page_model" in data:
order_model = data.pop("order_model", None)
page_model = data.pop("page_model", None)
else:
# 用于直接平铺的字典入参
order_params = {
"order_by": data.pop("order_by", None),
"order_mode": data.pop("order_mode", None),
}
page_params = {
"page": data.pop("page", None),
"page_size": data.pop("page_size", None),
}
order_model = OrderModel(**order_params)
page_model = PageModel(**page_params)
super().__init__(order_model=order_model, page_model=page_model, **data)
page_order = PageOrderModel(
order_model=OrderModel(order_by="field1,field2", order_mode="asc,desc"),
page_model=PageModel(page=1, page_size=10)
)
>>>out
order_model=OrderModel(order_by=['field1', 'field2'], order_mode=['asc', 'desc'])
page_model=PageModel(page=1, page_size=10)
req_params = {
"order_by": "field1,field2",
"order_mode": "asc,desc",
"page": 1,
"page_size": 10
}
req_model = PageOrderModel(**req_params)
>>>out
order_model=OrderModel(order_by=['field1', 'field2'], order_mode=['asc', 'desc'])
page_model=PageModel(page=1, page_size=10)
再来几个业务逻辑模型继承 DateOrderModelMixin 和 PageOrderModel 然后模拟一些请求参数去验证
让我们创建两个业务逻辑模型，一个用于查询商品信息，另一个用于查询订单信息。这两个模型分别继承 DateOrderModelMixin 和 PageOrderModel。
from pydantic import BaseModel, Field
from typing import Optional
class ProductQueryModel(DateOrderModelMixin):
product_category: Optional[str] = Field(None, description="商品类别")
class OrderQueryModel(PageOrderModel):
customer_id: Optional[int] = Field(None, description="客户ID")
# 使用 ProductQueryModel 进行参数验证
product_query_params = {
"start_date": "2023-04-01",
"end_date": "2023-04-30",
"order_by": "price",
"order_mode": "desc",
"product_category": "Electronics"
}
product_query = ProductQueryModel(**product_query_params)
>>>out
order_by=['price'] order_mode=['desc'] start_date=datetime.date(2023, 4, 1) end_date=datetime.date(2023, 4, 30) product_category='Electronics'
# 使用 OrderQueryModel 进行参数验证
order_query_params = {
"start_date": "2023-04-01",
"end_date": "2023-04-30",
"order_by": "order_date",
"order_mode": "asc",
"page": 1,
"page_size": 20,
"customer_id": 12345
}
order_query = OrderQueryModel(**order_query_params)
>>>out
order_model=OrderModel(order_by=['order_date'], order_mode=['asc']) page_model=PageModel(page=1, page_size=20) customer_id=12345
这里的 ProductQueryModel 和 OrderQueryModel 分别用于处理商品查询和订单查询的请求参数。ProductQueryModel 继承自 DateOrderModelMixin，因此它具有日期范围和排序功能。OrderQueryModel 则继承自 PageOrderModel，具有分页和排序功能。
通过这两个模型，我们可以轻松地验证和解析传入的请求参数。在上面的示例代码中，我们分别创建了 product_query_params 和 order_query_params 字典来模拟请求参数，并使用 ProductQueryModel 和 OrderQueryModel 进行验证。可以看到，这两个模型成功解析了请求参数，并对日期范围、排序和分页进行了验证。
结论
在处理Pydantic模型时，根据具体的业务场景和需求来选择组合或Mixin模式。
Mixin模式适用于简单的继承关系，代码简洁易懂；组合模式适用于复杂的类关系，提供更好的灵活性和扩展性。在实际项目中，可以根据需求灵活选择这两种模式，或者根据情况将它们结合使用。
在实践中，如果需要将多个通用功能混合到一个业务逻辑模型中，Mixin模式可能是一个更好的选择，因为它可以让我们轻松地将这些功能组合在一起。然而，当我们需要对这些功能进行更精细的控制，或者在多个业务逻辑模型之间共享某些功能时，组合模式可能会更合适。
总之，在处理Pydantic模型时，我们应根据项目的实际需求和场景来权衡这两种模式的优缺点，从而做出合适的选择。这里的入参校验感觉使用多继承会更简单点，但到一些复杂的业务逻辑处理时可以使用组合模式，来做到更好的维护与扩展。
由于 GET 请求的入参不太好定义数据结构，减少的代码冗余就想到了多继承来组合属性和方法，如果使用 POST 请求传递 json 数据入参就可以更好设计参数结构，这时使用组合的方式hui更好。
杂谈
go的结构体嵌套就有点像组合
type Address struct {
Street string
City string
State string
Zip string
}
type Person struct {
Name string
Age int
Address Address
}
通过结构体的组合，可以方便地组合多个不同的数据结构，构建出更加复杂的结构体。这种组合方式可以让代码更加灵活和可维护，同时也可以提高代码的可读性和可重用性。
以上就是基于Pydantic封装的通用模型在API请求验证中的应用详解的详细内容，更多关于Pydantic封装API请求验证的资料请关注脚本之家其它相关文章！