.py · text/x-python

Pydantic v2: Python-Pydantic-v2-BaseModel-Klasse

Pydantic-v2-Modelle nutzen Python-Type-Hints und BaseModel-Klassen (inkl. Field-Aliasen für camelCase-JSON) für extrem schnelle Rust-gestützte Validierung.

Schnellantwort: Pydantic-v2-Modelle nutzen Python-Type-Hints und BaseModel-Klassen (inkl. Field-Aliasen für camelCase-JSON) für extrem schnelle Rust-gestützte Validierung. FastAPI-Endpunkte, strukturierte LLM-Ausgaben in Python und strikte Datenvalidierung ab Python 3.10.

StrukturtypTypisierter Code
MenschenlesbarkeitHoch
VerschachtelungJa
LLM-Token-EffizienzMittel
Dateiendung.py
MIME-Typtext/x-python
Ideal fürFastAPI-Endpunkte, strukturierte LLM-Ausgaben in Python und strikte Datenvalidierung ab Python 3.10.

Stärken

  • De-facto-Standard für FastAPI, OpenAI Structured Outputs und LangGraph
  • Bewahrt pythonisches snake_case gemappt über Field(alias=...)
  • Rust-basierter Validator in Pydantic v2 prüft JSON um Größenordnungen schneller

Kompromisse

  • APIs zwischen Pydantic v1 und v2 unterscheiden sich (model_validate vs. parse_obj)
  • Reservierte Python-Wörter oder camelCase-Keys benötigen Field(alias=...)
  • Zirkuläre Referenzen erfordern from __future__ import annotations

Referenzen

Pydantic v2 lokal konvertieren & bereinigen

Verwandte Technik-Guides

Verwandte Formate

Alle 24 Formate

Häufige Fragen zu Pydantic v2

Wie behandelt JSON to Pydantic camelCase-Schlüssel wie userId?

TxtTo wandelt Schlüssel automatisch in PEP-8-konformes snake_case (user_id) um und ergänzt Field(alias="userId") für nahtlose Deserialisierung.

Werden verschachtelte JSON-Objekte in eigene Python-Klassen ausgelagert?

Ja. Verschachtelte Strukturen werden sauber in geordnete BaseModel-Klassen oberhalb des Root-Modells hochgezogen.

Warum enthält die Ausgabe from __future__ import annotations?

Dadurch funktioniert moderne PEP-604-Union-Syntax (str | None) sowie Vorwärtsreferenzierung sauber ab Python 3.9+.