pydantic/pydantic

项目介绍

Pydantic Validation 把普通的 Python 3.10+ 类型注解变成运行时的数据校验和解析逻辑。开发者声明一个模型后，Pydantic 会按字段类型做合理转换、套用默认值，并在数据不符合要求时抛出明确的校验错误。README 强调模型应保持为「纯正、规范的 Python」，这样编辑器和 linter 无需特殊语法就能理解模型定义 README 示例。

它主要面向 API 和后端开发者，用于校验请求载荷、配置文件或其他外部数据。模型定义同时可以产出 JSON Schema，因此仓库把 json-schema 列为主题之一 仓库。

Pydantic V2 是一次彻底重写，带来了性能提升，也存在相对 V1 的破坏性变更。V1.10 仍有文档保留，V2 内置了最新版 V1，可以通过 from pydantic import v1 as pydantic_v1 逐步迁移现有代码 V1 与 V2 说明。

快速使用

Pydantic 要求 Python 3.10 或更高版本，可用 pip 或 conda 安装 安装文档：

pip install -U pydantic

下面这个 README 示例展示了校验和类型转换的过程 README 示例：

from datetime import datetime
from typing import Optional
from pydantic import BaseModel

class User(BaseModel):
    id: int
    name: str = 'John Doe'
    signup_ts: Optional[datetime] = None
    friends: list[int] = []

external_data = {'id': '123', 'signup_ts': '2017-06-01 12:22', 'friends': [1, '2', b'3']}
user = User(**external_data)
print(user)
#> User id=123 name='John Doe' signup_ts=datetime.datetime(2017, 6, 1, 12, 22) friends=[1, 2, 3]
print(user.id)
#> 123

字符串 '123' 被转成整数，时间字符串被解析为 datetime，混合列表变成 [1, 2, 3]。输入不合法时，Pydantic 会抛出校验错误，而不是生成一个字段错乱的对象。如果需要更快的安装方式或可选加速，README 链接的安装文档提供了更多选项 安装选项。

使用约束

• 当前 V2 系列要求 Python 3.10 及以上 版本徽章信息。
• 基于 V1 写的代码迁移到 V2 时可能需要改动，因为重写包含破坏性变更；内置的 V1 命名空间是官方给出的迁移路径 V1 与 V2 说明。
• 项目采用 MIT 许可证 许可证。
• README 还介绍了同公司的商业产品 Logfire，用于 AI 可观测性；使用 Pydantic 本身并不需要它 Logfire 段落。

HotRepo 点评

该项目在 HotRepo 的 2026-11-06 Python 日榜中出现，记录为 29,311 stars、3,144 forks，当天新增 21 stars，在该榜单位列第 12。已采集的星标曲线过于稀疏，不足以判断趋势；这份快照只能说明这个已经成熟的库当天仍有人关注。

围绕 Pydantic 的讨论更多集中在依赖信任上，而非功能本身。2024 年的一串评论回顾了维护者早前对更换 JSON 依赖的谨慎态度：有评论者把这种警惕与后来的 XZ Utils 事件联系起来，也有人认为这种类比缺乏证据（coldcache，2024-06-05；arp242，2024-06-06）讨论串。另一条回复指出 Pydantic 被大量大型组织使用，因此依赖的可见性很重要（noitpmeder，2024-06-06）评论。对读者来说，这比星数更有参考价值：它是一层被大量项目依赖的校验组件，其依赖选择的影响面不小。