跳转到主内容
新派编程网 - 新潮编程理念，全新技术课堂！
📁 网站地图

函数参数如何使用 *args / **kwargs 后仍保持类型提示

林译川
林译川
• 👁 0人浏览过
Pydantic v2 中 model_validate 报错 TypeError: expected dict, got str 是因它只接受已解析的 Python 对象（如 dict），不处理 JSON 字符串反序列化；正确做法是先用 json.loads() 解析再校验，或直接使用 model_validate_json()。 Pydantic v2 中
BaseModel
的
model_validate
为什么报
TypeError: expected dict, got str
调用
model_validate
时传入字符串（比如 JSON 字符串），会直接报这个错——它只接受已解析的 Python 对象（
dict
、
list
等），不负责反序列化。 正确做法是先用
json.loads()
解析，再传给
model_validate
：
import json from pydantic import BaseModel

class User(BaseModel): name: str age: int

raw = '{"name": "Alice", "age": 30}' data = json.loads(raw) # ✅ 先转成 dict user = User.model_validate(data) # ✅ 再校验

如果想一步完成，改用
model_validate_json()
，它内部调用
json.loads
并校验
model_validate
是“纯数据校验”，适用于从数据库、API 响应体（已解码）等拿到的原生结构 误把 JSON 字符串当 dict 传入，是新手最常踩的坑，错误信息里
got str
已经很直白了
model_validate_json()
能否跳过字段校验？比如允许多余字段 不能跳过，但可以控制“多余字段”的处理方式。默认行为是报错（
extra=forbid
），但你可以在模型配置中显式设为
ignore
或
allow
：
from pydantic import BaseModel

class User(BaseModel): name: str age: int

class Config:
    extra = 'ignore'  # ✅ 多余字段被静默丢弃
这样不会报错 User.model_validate_ js on('{"name": "Bob", "age": 25, "email": "b@x.com"}')
extra='ignore'
：字段存在但模型没定义 → 丢弃，不报错
extra='allow'
：保留为
model.__dict__
中的动态属性（需配合
model_extra
访问）
extra='forbid'
（默认）：任何未声明字段都触发
ValidationError
注意：
model_validate_json()
仍会严格校验已声明字段的类型和约束（如
min_length
），无法跳过 如何让
model_validate
接受嵌套字典但忽略缺失字段的默认值逻辑 Pydantic 默认对可选字段（
Optional[T]
或带默认值）做“缺失即用默认值”处理。如果你传入的字典里缺了某个可选字段，又不想让它被自动填充，默认值，就得关掉这个行为。 php版微信js-sdk支付接口类 php版微信js-sdk支付接口类 下载 方法是设置
validate_default=False
（v2.7+ 支持）：
from pydantic import BaseModel, Field

class User(BaseModel): name: str nickname: str | None = None score: int = Field(default=0)

默认行为：nickname 缺失 → 设为 None；score 缺失 → 设为 0

加上 validate_default=False 后：缺失字段保持 unset，访问时报 AttributeError

user = User.model_validate({'name': 'Charlie'}, validate_default=False)

这在“部分更新”场景很有用，比如 PATCH 请求只传了几个字段，你不希望 Pydantic 自动补全其他字段的默认值
validate_default=False
只影响字段初始化，不影响类型校验本身 老版本（v2.6 及之前）不支持该参数，只能靠自定义
__init__
或预处理字典来绕过 用
model_dump()
导出时，怎样让
None
字段不出现，也不转成
null
model_dump(exclude_none=True)
是标准解法，但它只排除值为
None
的字段，不处理字段本身是否“被设置”。如果字段是
Optional[str] = None
且没赋值，它仍会被视为
None
并排除。 更精细的控制要结合
include
或自定义
dump
逻辑：
user = User(name='David', nickname=None) print(user.model_dump(exclude_none=True)) # {'name': 'David'} ✅

如果你想连“明确设为 None”的字段也保留，就不能用 exclude_none

改用 include 显式列出要导出的键

print(user.model_dump(include={'name', 'score'}))

exclude_unset=True
：只排除根本没赋过值的字段（比
exclude_none
更严格）
exclude_defaults=True
：排除值等于字段默认值的字段（注意和
exclude_unset
区分） 三者可组合使用，例如
exclude_none=True, exclude_unset=True
表示“只导出非空且显式设置过的字段” JSON 序列化时（
model_dump_json
），
exclude_none
同样生效，但要注意 前端 是否依赖
null
占位 Pydantic 的字段行为高度依赖配置组合，同一个方法（如
model_validate
）在不同
Config
或参数下语义可能完全不同。别只看函数名，一定核对当前模型的
extra
、
validate_default
和调用时的参数开关。

相关文章