Pydantic入門：Pythonでのデータ検証

pip install pydantic

from pydantic import BaseModel

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

# これでUserデータの青写真ができました。

from pydantic import BaseModel, ValidationError

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

# これは完璧に動作します
valid_user = User(name="Alice", age=30)
print(f"Valid User: {valid_user}")
# 出力: Valid User: name='Alice' age=30

print("\n--- 不正なデータを試しています ---")
try:
    invalid_user = User(name="Bob", age="twenty")
except ValidationError as e:
    print(f"エラーを捕捉しました！ \n{e}")
# 出力は 'value is not a valid integer' を示すValidationErrorを表示します

from pydantic import BaseModel
from typing import Optional # このインポートを忘れないでください！

class Product(BaseModel):
    name: str
    price: float
    description: Optional[str] # このフィールドは文字列またはNoneにできます

# 有効な製品
product1 = Product(name="Laptop", price=1200.50, description="Powerful computing on the go.")
product2 = Product(name="Mouse", price=25.00, description=None) # 明示的にNoneもOK
product3 = Product(name="Keyboard", price=75.99) # 省略してもNoneにデフォルトされます

print(f"Product 1: {product1}")
print(f"Product 2: {product2}")
print(f"Product 3: {product3}")

from pydantic import BaseModel
from typing import Optional, List # リストの型ヒントのためにListを追加しました

class Product(BaseModel):
    name: str
    price: float
    description: Optional[str] = None # descriptionをNoneにデフォルトします
    quantity: int = 1               # 提供されない場合はquantityを1にデフォルトします
    tags: List[str] = []            # 文字列の空リストにデフォルトします

# いくつかのフィールドを省略して製品を作成します
product_default_quantity = Product(name="Headphones", price=99.99)
product_with_tags = Product(name="Smartwatch", price=250.00, tags=["wearable", "tech"])

print(f"Product with default quantity: {product_default_quantity}")
print(f"Product with tags: {product_with_tags}")

# タグにリストでないものを指定するとどうなるか？
try:
    bad_tags_product = Product(name="Mug", price=10.0, tags="ceramic")
except Exception as e:
    print(f"\nCaught an error with bad tags: \n{e}")

from pydantic import BaseModel, ValidationError

class Address(BaseModel):
    street: str
    city: str
    zip_code: str

class User(BaseModel):
    name: str
    age: int
    address: Address # このフィールドはAddressモデルを期待します！

# ネストされた住所を持つ有効なユーザー
user_with_address = User(
    name="Charlie",
    age=45,
    address={
        "street": "123 Main St",
        "city": "Anytown",
        "zip_code": "12345"
    }
)
print(f"User with address: {user_with_address}")

# ネストされた住所が無効な場合はどうなるか？
try:
    invalid_address_user = User(
        name="Diana",
        age=28,
        address={
            "street": "456 Oak Ave",
            "city": "Otherville",
            "zip_code": 98765 # 郵便番号が文字列ではなく整数！
        }
    )
except ValidationError as e:
    print(f"\nCaught an error for invalid nested address: \n{e}")

from pydantic import BaseModel
from typing import List, Dict, Optional # リストと辞書にはこれらが必要です

# この例では簡潔にするためにUserモデルを再利用しています
class User(BaseModel):
    name: str
    age: int
    # この例では簡潔にするためにAddressはありませんが、ここにあることもできます！
    hobbies: List[str] = []
    friends: List['User'] = [] # 自己参照モデルのフォワード参照
    metadata: Dict[str, str] = {} # 文字列キーから文字列値への辞書

# いくつかのユーザーを作成します
friend1 = User(name="Eve", age=25, hobbies=["reading"])
friend2 = User(name="Frank", age=27, hobbies=["gaming", "coding"])

# 友達のリストと趣味のリストを持つメインユーザー
main_user = User(
    name="Grace",
    age=32,
    hobbies=["hiking", "photography", "cooking"],
    friends=[friend1, friend2],
    metadata={"status": "active", "level": "senior"}
)

print(f"Main User with friends and hobbies:\n{main_user.model_dump_json(indent=2)}")

# 友達がUserモデルでない場合はどうなるか？
try:
    bad_friends_user = User(
        name="Harry",
        age=40,
        friends=[{"name": "Invalid Friend", "age": "not-an-int"}] # 不正な友達データ
    )
except Exception as e:
    print(f"\nCaught an error with bad friend data: \n{e}")

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()

class Item(BaseModel): # 私たちのアイテムデータのPydanticモデル
    name: str
    description: str | None = None # Python 3.10+ のOptionalの構文
    price: float
    tax: float | None = None

@app.post("/items/")
async def create_item(item: Item): # FastAPIは自動的に'Item' Pydanticモデルを期待します
    return item.model_dump() # Pydanticモデルを辞書に変換します

from pydantic import BaseModel
from typing import List

class Tag(BaseModel):
    name: str
    color: str

class Article(BaseModel):
    title: str
    content: str
    tags: List[Tag] = []
    is_published: bool = False

# 記事を作成します
article = Article(
    title="Pydantic Power",
    content="A deep dive into data validation with Pydantic.",
    tags=[Tag(name="python", color="blue"), Tag(name="fastapi", color="green")],
    is_published=True
)

# Python辞書に変換します
article_dict = article.model_dump()
print(f"Article as a dictionary:\n{article_dict}")
# 出力: {'title': 'Pydantic Power', 'content': 'A deep dive into data validation with Pydantic.', 'tags': [{'name': 'python', 'color': 'blue'}, {'name': 'fastapi', 'color': 'green'}], 'is_published': True}

# JSON文字列に変換します
article_json = article.model_dump_json(indent=2) # pretty printingのためのindent
print(f"\nArticle as a JSON string:\n{article_json}")