Pydantic 소개: Python에서의 데이터 유효성 검사

pip install pydantic

from pydantic import BaseModel

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

# 이제 User 데이터의 청사진이 생겼습니다.

from pydantic import BaseModel, ValidationError

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

# 이것은 완벽하게 작동할 것입니다.
valid_user = User(name="Alice", age=30)
print(f"Valid User: {valid_user}")
# 출력: Valid User: name='Alice' age=30

print("\n--- 잘못된 데이터 시도 ---")
try:
    invalid_user = User(name="Bob", age="twenty")
except ValidationError as e:
    print(f"오류 잡힘! \n{e}")
# 출력은 'value is not a valid integer'를 나타내는 ValidationError를 보여줄 것입니다.

from pydantic import BaseModel
from typing import Optional # 이 import를 잊지 마세요!

class Product(BaseModel):
    name: str
    price: float
    description: Optional[str] # 이 필드는 문자열 또는 None일 수 있습니다.

# 유효한 제품
product1 = Product(name="Laptop", price=1200.50, description="Powerful computing on the go.")
product2 = Product(name="Mouse", price=25.00, description=None) # 명시적으로 None도 괜찮습니다.
product3 = Product(name="Keyboard", price=75.99) # 생략해도 기본값으로 None이 됩니다.

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

from pydantic import BaseModel
from typing import Optional, List # 리스트 타입 힌트를 위해 List 추가

class Product(BaseModel):
    name: str
    price: float
    description: Optional[str] = None # description의 기본값을 None으로 설정
    quantity: int = 1               # 제공되지 않으면 수량의 기본값을 1로 설정
    tags: List[str] = []            # 문자열 목록의 빈 목록으로 기본 설정

# 필드를 일부 생략하여 제품 생성
product_default_quantity = Product(name="Headphones", price=99.99)
product_with_tags = Product(name="Smartwatch", price=250.00, tags=["wearable", "tech"])

print(f"기본 수량 제품: {product_default_quantity}")
print(f"태그가 있는 제품: {product_with_tags}")

# 태그에 리스트가 아닌 값을 제공하면 어떻게 될까요?
try:
    bad_tags_product = Product(name="Mug", price=10.0, tags="ceramic")
except Exception as e:
    print(f"\n잘못된 태그 오류 잡힘: \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 # 이 필드는 Address 모델을 기대합니다!

# 중첩된 주소를 가진 유효한 사용자
user_with_address = User(
    name="Charlie",
    age=45,
    address={
        "street": "123 Main St",
        "city": "Anytown",
        "zip_code": "12345"
    }
)
print(f"주소가 있는 사용자: {user_with_address}")

# 중첩된 주소가 잘못되면 어떻게 될까요?
try:
    invalid_address_user = User(
        name="Diana",
        age=28,
        address={
            "street": "456 Oak Ave",
            "city": "Otherville",
            "zip_code": 98765 # 우편번호가 문자열 대신 정수입니다!
        }
    )
except ValidationError as e:
    print(f"\n잘못된 중첩 주소 오류 잡힘: \n{e}")

from pydantic import BaseModel
from typing import List, Dict, Optional # 리스트 및 사전을 위해 필요

# 중첩을 위해 User 모델 재사용
class User(BaseModel):
    name: str
    age: int
    # 이 예제에서는 단순화를 위해 주소가 없습니다. 하지만 여기에 있을 수 있습니다!
    hobbies: List[str] = []
    friends: List['User'] = [] # 자체 참조 모델에 대한 순방향 참조
    metadata: Dict[str, str] = {} # 문자열 키에서 문자열 값으로의 사전

# 사용자 몇 명 생성
friend1 = User(name="Eve", age=25, hobbies=["reading"])
friend2 = User(name="Frank", age=27, hobbies=["gaming", "coding"])

# 친구 목록과 취미 목록이 있는 메인 사용자
main_user = User(
    name="Grace",
    age=32,
    hobbies=["hiking", "photography", "cooking"],
    friends=[friend1, friend2],
    metadata={"status": "active", "level": "senior"}
)

print(f"친구와 취미가 있는 메인 사용자:\n{main_user.model_dump_json(indent=2)}")

# 친구가 User 모델이 아니면 어떻게 될까요?
try:
    bad_friends_user = User(
        name="Harry",
        age=40,
        friends=[{"name": "Invalid Friend", "age": "not-an-int"}] # 잘못된 친구 데이터
    )
except Exception as e:
    print(f"\n잘못된 친구 데이터 오류 잡힘: \n{e}")

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()

class Item(BaseModel): # 우리 아이템 데이터를 위한 Pydantic 모델
    name: str
    description: str | None = None # Python 3.10+ Optional 구문
    price: float
    tax: float | None = None

@app.post("/items/")
async def create_item(item: Item): # FastAPI는 자동으로 'Item' Pydantic 모델을 예상합니다.
    return item.model_dump() # Pydantic 모델을 사전으로 다시 변환합니다.

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

# 기사 생성
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
)

# 파이썬 사전으로 변환
article_dict = article.model_dump()
print(f"사전으로서의 기사:\n{article_dict}")
# 출력: {'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 문자열로 변환
article_json = article.model_dump_json(indent=2) # 보기 좋게 출력하기 위한 들여쓰기
print(f"\nJSON 문자열로서의 기사:\n{article_json}")