根据字段的值使用不同的 Pydantic 模型

Question

我有 2 个 Pydantic 型号 (var1和var2)。该方法的输入PostExample可以接收第一模型或第二模型的数据。使用Union有助于解决此问题，但在验证过程中，它会引发第一个模型和第二个模型的错误。

如何做到在填写字段时出现错误时，仅针对某个模型返回验证器错误，而不是同时返回两个模型？（如果有帮助的话，可以通过字段A的长度来区分模型）。

主要.py

@app.post("/PostExample")
def postExample(request: Union[schemas.var1, schemas.var2]):
    
    result = post_registration_request.requsest_response()
    return result
  
  

模式.py

class var1(BaseModel):
    A: str
    B: int
    C: str
    D: str
  
  
class var2(BaseModel):
    A: str
    E: int
    F: str

Answer 1

您可以使用受歧视的工会（感谢 @larsks 在评论中提到这一点）。设置一个可区分的联合，“验证速度更快，因为它仅针对一种模型进行尝试”，并且“在失败的情况下仅引发一个显式错误”。下面给出工作示例。

另一种方法是尝试解析模型（基于您作为查询/路径参数传递的鉴别器），如本答案 (选项 1)中所述。

工作示例

应用程序.py

import schemas
from fastapi import FastAPI, Body
from typing import Union

app = FastAPI()

@app.post("/")
def submit(item: Union[schemas.Model1, schemas.Model2] = Body(..., discriminator='model_type')):
    return item

模式.py

from typing import Literal
from pydantic import BaseModel

class Model1(BaseModel):
    model_type: Literal['m1']
    A: str
    B: int
    C: str
    D: str
  
class Model2(BaseModel):
    model_type: Literal['m2']
    A: str
    E: int
    F: str

测试输入 - 输出

#1 Successful Response   #2 Validation error                   #3 Validation error
                                          
# Request body           # Request body                        # Request body
{                        {                                     {
  "model_type": "m1",      "model_type": "m1",                   "model_type": "m2",
  "A": "string",           "A": "string",                        "A": "string",
  "B": 0,                  "C": "string",                        "C": "string",
  "C": "string",           "D": "string"                         "D": "string"
  "D": "string"          }                                     }
}                                                              
                        
# Server response        # Server response                     # Server response
200                      {                                     {
                           "detail": [                           "detail": [
                             {                                     {
                               "loc": [                              "loc": [
                                 "body",                               "body",
                                 "Model1",                             "Model2",
                                 "B"                                   "E"
                               ],                                    ],
                               "msg": "field required",              "msg": "field required",
                               "type": "value_error.missing"         "type": "value_error.missing"
                             }                                     },
                           ]                                       {
                         }                                           "loc": [
                                                                       "body",
                                                                       "Model2",
                                                                       "F"
                                                                     ],
                                                                     "msg": "field required",
                                                                     "type": "value_error.missing"
                                                                   }
                                                                 ]
                                                               }