1. Pydantic 개요

• 설명: Pydantic은 Python에서 데이터 유효성을 검사하고 데이터 클래스를 쉽게 정의할 수 있도록 설계된 라이브러리입니다. Python의 타입 힌팅을 기반으로 입력 데이터를 자동으로 검증하며, FastAPI와 같은 프레임워크에서 데이터 유효성 검사에 널리 사용됩니다.

• 주요 특징:

  • 타입 힌트를 기반으로 한 데이터 검증 및 파싱.
  • JSON 및 기타 형식의 데이터 직렬화 및 역직렬화.
  • 사용자 정의 검증 로직 지원.

• 예시 코드:

  python
  from pydantic import BaseModel
  
  class User(BaseModel):
      id: int
      name: str
      email: str
  
  user = User(id=1, name="Alice", email="[email protected]")
  print(user)
  
  

• 활용법: FastAPI에서 요청 데이터를 검증하거나, 스키마 정의 및 데이터 직렬화.

2. 다양한 Pydantic Model 생성 방법, Model 상속 및 Serialization

• 설명: Pydantic은 기본 모델 생성, 상속, 복합 모델, 데이터 직렬화를 지원합니다.

• 예시 코드:

  python
  from pydantic import BaseModel
  
  class Address(BaseModel):
      city: str
      zipcode: str
  
  class User(BaseModel):
      id: int
      name: str
      address: Address
  
  user = User(id=1, name="Alice", address={"city": "New York", "zipcode": "10001"})
  print(user.json())  # JSON 직렬화
  
  

• 활용법: 데이터 간 계층적 관계 표현, JSON 직렬화/역직렬화 처리.

3. 기본 검증과 ValidationError 이해, 속성 타입 일반/Strict 검증

• 설명: Pydantic은 타입 힌트를 기반으로 데이터를 검증하며, 검증 실패 시 ValidationError를 발생시킵니다. Strict 타입을 사용하면 더 엄격한 검증이 가능합니다.

• 예시 코드:

  python
  코드 복사
  from pydantic import BaseModel, StrictInt
  
  class User(BaseModel):
      id: StrictInt
      name: str
  
  try:
      user = User(id="1", name="Alice")  # StrictInt는 문자열 허용 안함
  except ValidationError as e:
      print(e.json())
  
  

• 활용법: 입력 데이터가 예상된 형식인지 확인하여 오류를 방지.

4. Field를 이용한 검증

• 설명: Field를 사용하여 기본값 설정, 제한 조건 추가, 설명 등을 정의할 수 있습니다.

• 예시 코드:

  python
  코드 복사
  from pydantic import BaseModel, Field
  
  class User(BaseModel):
      id: int = Field(..., ge=1, description="User ID는 1 이상의 정수여야 합니다.")
      name: str = Field(..., max_length=50, description="이름은 50자를 초과할 수 없습니다.")
  
  user = User(id=10, name="Alice")
  print(user)
  
  

• 활용법: 필드 제한 조건을 명확히 정의해 데이터의 일관성 유지.