Annotated Validators

也即是 Annotated[T, BeforeValidator(fn)] 这种形式，常用的几种 Validator 有：

• BeforeValidator
• AfterValidator
• WrapValidator
• PlainValidator

BeforeValidator 和 AfterValidator 都是接收一个函数，这个函数可以包含验证逻辑（e.g., 密码长度是否合适）及修改逻辑（e.g., 添加前缀）。

WrapValidator 也是接受一个函数 $f \rightarrow f(v, h)$，但这个函数接收两个参数，一个是待验证的值，一个是 ValidatorFunctionWrapHandler，也即是其他 Validator 的执行函数。

这几个 Validator 的一个重要区别是执行顺序，这一点我研究了半天才有点头绪。

首先，结合 Annotated 的定义可以知道，Annotated 的执行顺序是从外到内，先执行最外层的，然后是内层的，即：

再一点，BeforeValidator 是在 Pydantic 进行解析及验证之前执行， 这里的验证指的是其他 Validator 的执行，比如另外若干个 BeforeValidator 或者 AfterValidator。

而 AfterValidator 是在 Pydantic 进行解析及验证之后执行， WrapValidator 则是根据 Annotated 的执行顺序，在轮到它时，它会先执行它的内在逻辑，再让位给下一位 Validator。这听起来有点拗口，但实际上也确实如此，后面我会举个例子说明。

综合上面的几点特性，可以推理出以下几点：

1. 所有 BeforeValidator 一定是先于所有 AfterValidator 执行的。
2. 多个 AfterValidator 的执行顺序是先进先出(FIFO, first in first out)，即先声明的先执行。这是因为有多个 AfterValidator 时，e.g., $\mathcal{A}(T, \mathcal{V}_1, \mathcal{V}_2)$ 等价于 $\mathcal{A}(\mathcal{A}(T, \mathcal{V}_1), \mathcal{V}_2)$，而 $\mathcal{V}_2$ 会等待 $\mathcal{A}(T, \mathcal{V}_1)$ 执行完毕之后再执行。类似地，
3. 多个 BeforeValidator 的执行顺序是后进先出(LIFO, last in first out)，即后声明的先执行。

例子

只有 BeforeValidator

Annotated[int, BeforeValidator(f1), BeforeValidator(f2)]

根据 BeforeValidator 的 LIFO 特性，验证顺序是：f2 -> f1。

Before, After 混合使用

Annotated[int,
    BeforeValidator(f1),
    AfterValidator(f2),
    BeforeValidator(f3),
    BeforeValidator(f4),
    AfterValidator(f5),
]

根据以上推理 1，验证顺序是：f4 -> f3 -> f1 -> f2 -> f5。

WrapValidator

上面提到，WrapValidator 接收一个函数 $f \rightarrow f(v, h)$，这个函数接收一个值及一个 ValidatorFunctionWrapHandler。它可以封装自己的验证逻辑，并调用下一个 Validator 的执行函数。

执行过程中，它会先执行自己的前半部分逻辑，然后调用下一个 Validator 的执行函数，最后执行剩下的逻辑。举个例子：

def validate_length(v: str, h: ValidatorFunctionWrapHandler):
    print(f"V1 -- pre")
    if len(v) < 3:
        raise ValueError("太短了")
    x = h(v)
    print(f"V1 -- post, {x}")
    return x

def add_prefix(v: int, h: ValidatorFunctionWrapHandler):
    print(f"A1 -- pre")
    v = f"prefix-{v}"
    x = h(v)
    print(f"A1 -- post, {x}")
    return x

Xstr = Annotated[str,
                 WrapValidator(add_prefix),
                 WrapValidator(validate_length)                 ]

class X(BaseModel):
    x: Xstr
print(X(x="abc").x)

以上代码的输出是：

V1 -- pre
A1 -- pre
A1 -- post, prefix-abc
V1 -- post, prefix-abc
prefix-abc

现在看一下为什么是这个顺序。

• 因为 Annotated 从外向内执行，因此首先执行 WrapValidator(validate_length)，所以会先打印 V1 -- pre;
• 打印完就遇到 x = h(v)，也就是说它要让位给下一个验证器进行验证，这里下一个验证器是 WrapValidator(add_prefix)，所以会执行 add_prefix 并打印 A1 -- pre;
• add_prefix 执行完会之前打印 A1 -- post, prefix-abc，然后返回 prefix-abc，并回到 validate_length 继续执行剩下的逻辑;
• validate_length 拿到新的 x 并打印 V1 -- post, prefix-abc，最终返回 prefix-abc。

Before, After, Wrap 混打

再看一下复杂亿点点的例子：

def f(label: str):
    def validator(v: Any, info: ValidationInfo) -> Any:
        print(f"{label}")
        return v
    return validator

def g(label: str):
    def validator(
        v: Any, handler: ValidatorFunctionWrapHandler, info: ValidationInfo
    ) -> Any:
        print(f"{label}: pre")
        result = handler(v)
        print(f"{label}: post")
        return result

    return validator


class A(BaseModel):
    x: Annotated[
        str,
        AfterValidator(f('after-1')),
        WrapValidator(g('wrap-1')),
        BeforeValidator(f('before-1')),
        WrapValidator(g('wrap-2')),
        BeforeValidator(f('before-2')),
        AfterValidator(f('after-2')),
        AfterValidator(f('after-3')),
    ]

A.model_validate({'x': 'abc'})

输出结果：

before-2
wrap-2: pre
before-1
wrap-1: pre
after-1
wrap-1: post
wrap-2: post
after-2
after-3

分析一下：

• 从外向内，看到 Before 就先执行 Before(LIFO)，如果有 Wrap，接着执行 Wrap 的内部逻辑(LIFO)，e.g., wrap-2: pre -> wrap-1: pre，但不执行 handler
• Before 执行完，看看内部还有没有其他 Validator，如果有，接着执行(FIFO)，e.g., after-1;
• 如果内部没有其他 Validator，Wrap 在 handler 执行完后，执行自己后续的逻辑(LIFO)，e.g., wrap-1: post -> wrap-2: post
• 最后执行剩下的 After(FIFO)，e.g., after-2 -> after-3

所以可以看到 WrapValidator 非常灵活（复杂），本质上就是一个装饰器，可以封装自己的验证逻辑，并调用下一个 Validator 的执行函数。结合 Before, After validator，可以实现很多复杂的功能。

当然如果可以，我还是倾向于仅使用 Before, After validator。参照 Python 哲学， keep it simple and stupid。能嵌套如示例这么多 Validator 的场景，我还真没有遇到过。

实战 Q & A

验证一个值的属性有哪些方式？

比如验证一个值是否是质数。

def is_prime(n: int) -> bool:
    ...

nums = [17, "23", 15, 4, "31"]
for num in nums:
    try:
        n = do_validate(num)
        print(n, type(n))
    except ValueError as e:
        print(e)

1. 使用 TypeAdapter

from pydantic import TypeAdapter, BeforeValidator, Annotated
PrimeInt = Annotated[int, BeforeValidator(validate_prime)]
prime_adapter = TypeAdapter(PrimeInt)

2. 使用 Annotated + BaseModel

from pydantic import BaseModel, Field
PrimeInt = Annotated[int, BeforeValidator(validate_prime)]

class PrimeModel(BaseModel):
    num: PrimeInt

这种方式跟上面的 TypeAdapter 类似，区别在于 TypeAdapter 更轻量，创建一个实例，可重复使用，而 BaseModel 需要使用都需要创建。这一点在之前的博客 Pydantic TypeAdapter 中也有提到。

3. 使用 @field_validator

from pydantic import BaseModel, field_validator
class PrimeModel(BaseModel):
    num: int = Field()

    @field_validator('num')
    def validate_num(cls, v):
        if not is_prime(v):
            raise ValueError(f'{v} is not a prime number')
        return int(v)

参考资料

• Pydantic Validators