.py · text/x-python

Pydantic v2: Modèle Python Pydantic v2 BaseModel

Les modèles Pydantic v2 emploient annotations Python et classes BaseModel (avec alias Field pour camelCase) pour une validation ultra rapide propulsée par Rust.

Réponse rapide: Les modèles Pydantic v2 emploient annotations Python et classes BaseModel (avec alias Field pour camelCase) pour une validation ultra rapide propulsée par Rust. Points de terminaison FastAPI, sorties structurées LLM en Python et validation stricte sous Python 3.10+.

Type de structureCode typé
Lisibilité humaineÉlevée
Support d'imbricationOui
Efficacité jetons LLMMoyenne
Extension.py
Type MIMEtext/x-python
Idéal pourPoints de terminaison FastAPI, sorties structurées LLM en Python et validation stricte sous Python 3.10+.

Points forts

  • Standard de schéma structuré pour FastAPI, OpenAI et LangGraph
  • Garde des noms Python snake_case mappés proprement via Field(alias=...)
  • Validation cœur Rust dans Pydantic v2 bien plus rapide qu'en pur Python

Limites

  • Différences d'API entre Pydantic v1 et v2 (model_validate vs parse_obj)
  • Mots réservés Python et clés camelCase imposent l'usage de Field(alias=...)
  • Les références circulaires nécessitent from __future__ import annotations

Références

Convertir & nettoyer Pydantic v2 localement

Guides techniques associés

Formats associés

Tous les 24 formats

Questions fréquentes sur Pydantic v2

Comment JSON to Pydantic convertit-il les clés camelCase comme userId ?

TxtTo passe les clés en snake_case conforme PEP 8 (user_id) tout en ajoutant Field(alias="userId") pour lire le JSON entrant sans effort.

Les objets imbriqués sont-ils extraits en classes Python séparées ?

Oui. Les sous-objets sont hissés en classes BaseModel ordonnées proprement au-dessus du modèle racine.

Pourquoi inclure from __future__ import annotations dans le code généré ?

Cela autorise la syntaxe d'union moderne PEP 604 (str | None) et les références anticipées dès Python 3.9+.