Python編程pydantic觸發(fā)及訪問錯誤處理

更新時間：2021年09月29日 09:00:48 作者：小菠蘿測試筆記

這篇文章主要為大家介紹了Python編程中pydantic會觸發(fā)及發(fā)生訪問錯誤的處理，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步

常見觸發(fā)錯誤的情況

如果傳入的字段多了會自動過濾
如果傳入的少了會報錯，必填字段
如果傳入的字段名稱對不上也會報錯
如果傳入的類型不對會自動轉換
如果不能轉換則會報錯

錯誤的觸發(fā)

pydantic 會在它正在驗證的數(shù)據(jù)中發(fā)現(xiàn)錯誤時引發(fā) ValidationError

注意

驗證代碼不應該拋出 ValidationError 本身

而是應該拋出 ValueError、TypeError、AssertionError 或他們的子類

ValidationError 會包含所有錯誤及其發(fā)生方式的信息

訪問錯誤的方式

e.errors() ：返回輸入數(shù)據(jù)中發(fā)現(xiàn)的錯誤的列表

e.json() ：以 JSON 格式返回錯誤(推薦)

str(e) ：以人類可讀的方式返回錯誤

簡單栗子

# 一定要導入 ValidationError
from pydantic import BaseModel, ValidationError 
class Person(BaseModel):
    id: int
    name: str
 try:
    # id是個int類型，如果不是int或者不能轉換int會報錯
    p = Person(id="ss", name="hallen")  
except ValidationError as e:
　　# 打印異常消息
    print(e.errors())

e.errors() 的輸出結果

[{'loc': ('id',), 'msg': 'value is not a valid integer', 'type': 'type_error.integer'}]

e.json() 的輸出結果

[
  {
    "loc": [
      "id"
    ],
    "msg": "value is not a valid integer",
    "type": "type_error.integer"
  }
]

str(e) 的輸出結果

1 validation error for Person
id
  value is not a valid integer (type=type_error.integer)

復雜栗子

class Location(BaseModel):
    lat = 0.1
    lng = 10.1
class Model(BaseModel):
    is_required: float
    gt_int: conint(gt=42)
    list_of_ints: List[int] = None
    a_float: float = None
    recursive_model: Location = None  
data = dict(
    list_of_ints=['1', 2, 'bad'],
    a_float='not a float',
    recursive_model={'lat': 4.2, 'lng': 'New York'},
    gt_int=21
) 
try:
    Model(**data)
except ValidationError as e:
    print(e.json(indent=4))

輸出結果

[
    {
        "loc": [
            "is_required"
        ],
        "msg": "field required",
        "type": "value_error.missing"
    },
    {
        "loc": [
            "gt_int"
        ],
        "msg": "ensure this value is greater than 42",
        "type": "value_error.number.not_gt",
        "ctx": {
            "limit_value": 42
        }
    },
    {
        "loc": [
            "list_of_ints",
            2
        ],
        "msg": "value is not a valid integer",
        "type": "type_error.integer"
    },
    {
        "loc": [
            "a_float"
        ],
        "msg": "value is not a valid float",
        "type": "type_error.float"
    },
    {
        "loc": [
            "recursive_model",
            "lng"
        ],
        "msg": "value is not a valid float",
        "type": "type_error.float"
    }
]

value_error.missing：必傳字段缺失

value_error.number.not_gt：字段值沒有大于 42

type_error.integer：字段類型錯誤，不是 integer

自定義錯誤

# 導入 validator
from pydantic import BaseModel, ValidationError, validator 
class Model(BaseModel):
    foo: str
 
    # 驗證器
    @validator('foo')
    def name_must_contain_space(cls, v):
        if v != 'bar':
            # 自定義錯誤信息
            raise ValueError('value must be bar')
        # 返回傳進來的值
        return v 
try:
    Model(foo="ber")
except ValidationError as e:
    print(e.json())

輸出結果

[
  {
    "loc": [
      "foo"
    ],
    "msg": "value must be bar",
    "type": "value_error"
  }
]

自定義錯誤模板類

from pydantic import BaseModel, PydanticValueError, ValidationError, validator 
class NotABarError(PydanticValueError):
    code = 'not_a_bar'
    msg_template = 'value is not "bar", got "{wrong_value}"' 
class Model(BaseModel):
    foo: str
 
    @validator('foo')
    def name_must_contain_space(cls, v):
        if v != 'bar':
            raise NotABarError(wrong_value=v)
        return v
  try:
    Model(foo='ber')
except ValidationError as e:
    print(e.json())

輸出結果

[
  {
    "loc": [
      "foo"
    ],
    "msg": "value is not \"bar\", got \"ber\"",
    "type": "value_error.not_a_bar",
    "ctx": {
      "wrong_value": "ber"
    }
  }
]