我想知道两者之间有什么区别：
from pydantic import BaseModel, Field
class Person(BaseModel):
name: str = Field(..., min_length=1)
和：
from pydantic import BaseModel, constr
class Person(BaseModel):
name: constr(min_length=1)
两者似乎执行相同的验证(当name为空字符串时，甚至引发完全相同的异常信息)。这只是代码风格的问题吗？其中一个比另一个更受欢迎吗？
另外，如果我想包含非空字符串列表作为属性，您认为以下哪种方法会更好？
from typing import List
from pydantic import BaseModel, constr
class Person(BaseModel):
languages: List[constr(min_length=1)]
或：
from typing import List
from pydantic import BaseModel, Field
class Person(BaseModel):
languages: List[str]
@validator('languages', each_item=True)
def check_nonempty_strings(cls, v):
if not v:
raise ValueError('Empty string is not a valid language.')
return v
编辑： FWIW，我正在将其用于 FastAPI 应用程序。
编辑2： 对于我的第二个问题，我认为第一种选择更好，因为它在架构中包含长度要求(因此在文档中)
constr 和 Fields 没有相同的用途。
constr 是一种特定类型，它提供有关此特定类型的验证规则。您拥有所有经典 python 类型的等效项。
Constr的论点：
strip_whitespace: bool = False: removes leading and trailing whitespace
to_lower: bool = False: turns all characters to lowercase
to_upper: bool = False: turns all characters to uppercase
strict: bool = False: controls type coercion
min_length: int = None: minimum length of the string
max_length: int = None: maximum length of the string
curtail_length: int = None: shrinks the string length to the set value when it is longer than the set value
regex: str = None: regex to validate the string against
如您所见，这些参数允许您操作 str 本身，而不是使用此字段的 pydantic 行为。
字段的作用不同，它是一种自定义字段的方法，所有字段不仅是str，它还添加了18个自定义变量，您可以在此处找到。
这只是代码风格的问题吗？其中一个比另一个更受欢迎吗？
对于 STR 的特定情况，这是一个代码风格问题，首选什么并不重要，只有您的用例才重要。
一般来说，最好不要将不同的语法混合在一起，因为您经常需要Field()，您会经常找到它。
一个经典的用例是在驼峰案例或 PascalCase 中发送 json 对象的 api 响应，您将使用字段别名来匹配这些对象并在snake_case中使用它们的变量。
示例：
class Voice(BaseModel):
name: str = Field(None, alias='ActorName')
language_code: str = None
mood: str = None
我个人更喜欢使用 pydantic 类型来清楚地区分类型规则和字段注释。
基本示例：
class Car(BaseModel):
description: Union[constr(min_length=1, max_length=64), None] = Field(
default=None,
example="something",
description="Your car description",
)
在任何情况下，您都应该只使用一种样式的模型结构(字段，pydantic类型或两者兼而有之)，以实现项目的全局一致性和更好的可读性。
对于您的第二个问题，您是对的，使用 constr 肯定是最好的方法，因为验证规则将被添加到 OpenAPI 文档中。
如果您想了解有关限制和字段规则实施的更多信息，请查看此内容。
此链接显示了同时适用于pydantic和mypy的方法： https://lyz-code.github.io/blue-book/coding/python/pydantic_types/#using-constrained-strings-in-list-attributes
我的用例的最佳选择是创建一个继承自pydantic.ConstrainedStr的类，如下所示：
import pydantic
from typing import List
...
class Regex(pydantic.ConstrainedStr):
regex = re.compile("^[0-9a-z_]*$")
class Data(pydantic.BaseModel):
regex: List[Regex]
# regex: list[Regex] if you are on 3.9+
我在python 3.9中使用pydantic 1.10.4，这就是我观察到使用constr和Field之间的区别。
from pydantic import BaseModel, Field, FilePath, constr
from typing import Union, Annotated
ContactConstr = constr(regex='d{3}-d{3}-d{4}')
ContactField = Annotated[str, Field(regex='d{3}-d{3}-d{4}')]
class Person(BaseModel):
contact_with_constr: ContactConstr
contact_with_field: ContactField
contacts_with_constr: Union[ContactConstr, list[ContactConstr]]
contacts_with_field: Union[ContactField, list[ContactField]] # yields incorrect schema
print(Person.schema_json(indent=2))
这会为contacts_with_field创建不正确的模式，该模式采用单个电话号码或xxx-xxx-xxxx形式的电话号码列表，其中x为 0-9。
{
"title": "Person",
"type": "object",
"properties": {
"contact_with_constr": {
"title": "Contact With Constr",
"pattern": "\d{3}-\d{3}-\d{4}",
"type": "string"
},
"contact_with_field": {
"title": "Contact With Field",
"pattern": "\d{3}-\d{3}-\d{4}",
"type": "string"
},
"contacts_with_constr": {
"title": "Contacts With Constr",
"anyOf": [
{
"type": "string",
"pattern": "\d{3}-\d{3}-\d{4}"
},
{
"type": "array",
"items": {
"type": "string",
"pattern": "\d{3}-\d{3}-\d{4}"
}
}
]
},
"contacts_with_field": {
"title": "Contacts With Field",
"anyOf": [
{
"type": "string"
},
{
"type": "array",
"items": {
"type": "string"
}
}
]
}
},
"required": [
"contact_with_constr",
"contact_with_field",
"contacts_with_constr",
"contacts_with_field"
]
}