在日常编码环节，很大比例的错误处理工作和参数的输入有关。当程序里的某些数据直接来自用户输入时，必须先校验这些输入值，再进行之后的处理，否则就会出现难以预料的错误。
需求
写一个命令行小程序，它要求用户输入一个 0～100 范围的数字。假如用户输入的内容无效，就要求其重新输入。
常规方案
示例代码如下：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 |
def input_a_number(): """要求用户输入一个 0～100 的数字，如果无效则重新输入""" while True: number = input('Please input a number (0-100): ')
if not number: print('Input can not be empty!') continue if not number.isdigit(): print('Your input is not a valid number!') continue if not (0 <= int(number) <= 100): print('Please input a number between 0 and 100!') continue
number = int(number) break
print(f'Your number is {number}') |
测试结果：
Please input a number (0-100):
Input can not be empty!
Please input a number (0-100): hello
Your input is not a valid number!
Please input a number (0-100): 80
Your number is 80
这个虽然可以满足我们的需求，但是如果需要校验的输入有很多，那这个检验逻辑就会很复杂冗余。
使用pydantic专业数据校验模块
来看下介绍：
Pydantic 是一个 Python 的数据验证库，它可以让你定义数据模型并自动验证输入数据的类型和结构。它的主要目标是使数据验证变得简单、快速和可靠。
以下是 Pydantic 的一些主要功能和优点：
- 声明式模型定义：使用 Pydantic，你可以通过简单的 Python 类来定义数据模型。这些类使用类型提示来定义字段的类型，并且支持各种 Python 原生类型、自定义类以及第三方库的类型。
- 自动验证：定义好数据模型后，Pydantic 将自动验证输入数据的类型和结构是否符合模型的要求。如果数据不符合模型定义，Pydantic 将会引发验证错误。
- 数据解析：Pydantic 提供了方便的方法来解析原始数据（如 JSON、字典等）并将其转换为定义的数据模型实例。
- 序列化输出：除了解析输入数据，Pydantic 还可以将数据模型实例序列化为 JSON 字符串或字典等格式，以便于输出或传输。
- 数据转换：Pydantic 允许你定义字段的转换函数，以在数据验证或解析过程中对字段进行转换或预处理。
- 内置验证器：Pydantic 提供了许多内置的验证器，如 EmailValidator、LengthValidator 等，用于验证字段的特定属性。
- 与 FastAPI 集成：Pydantic 与 FastAPI 框架深度集成，可以直接将 Pydantic 模型用作 FastAPI 路径操作的请求和响应模型。
总的来说，Pydantic 是一个功能强大且易于使用的数据验证库，特别适用于构建需要处理大量数据输入和输出的 Python 应用程序，如 Web 服务、API 和数据处理工具。
上面的需求，重新实现一次：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 |
from pydantic import BaseModel, conint, ValidationError class NumberInput(BaseModel): # 使用类型注解 conint 定义 number 属性的取值范围 number: conint(ge=0, le=100)
def input_a_number_with_pydantic(): while True: number = input('Please input a number (0-100): ')
# 实例化为 pydantic 模型，捕获校验错误异常 try: number_input = NumberInput(number=number) except ValidationError as e: print(e) continue
number = number_input.number break
print(f'Your number is {number}') |
其它场景
在编写代码时，应当尽量避免手动校验任何数据（一般搜下都会有专门的模块）。因为数据校验任务独立性很强，所以应该引入合适的第三方校验模块（或者自己实现），让它们来处理这部分专业工作。
比如你在开发 Web 应用，数据校验工作通常来说比较容易。比如 Django 框架就有自己的表单验证模块，Flask 也可以使用 WTForms 模块来进行数据校验。
WTForms模块介绍：
WTForms 是一个 Python 的 Web 表单验证和渲染库，用于处理 Web 应用程序中的表单。它提供了一个简单而灵活的方式来定义表单，验证用户输入并生成 HTML 表单字段。
一个简单而灵活的方式来定义表单，验证用户输入并生成 HTML 表单字段。
以下是 WTForms 的一些主要特点和优点：
- 简单易用：WTForms 提供了一个简洁的 API，使得定义和处理表单变得简单和直观。
- 表单验证：WTForms 允许你定义表单字段以及它们的验证规则，例如必填、长度限制、数据类型等。当用户提交表单时，WTForms 会自动验证用户输入是否符合定义的规则，并返回相应的错误消息。
- CSRF 保护：WTForms 内置了 CSRF（Cross-Site Request Forgery）保护，可以帮助你防止 CSRF 攻击。
- 支持多种字段类型：WTForms 支持多种常见的 HTML 表单字段类型，如文本框、密码框、复选框、下拉框等，同时也支持自定义字段类型。
- 表单渲染：WTForms 可以根据表单定义自动生成 HTML 表单字段，简化了前端开发的工作。
- 与 Flask 和 Django 集成：WTForms 可以与 Flask 和 Django 等流行的 Web 框架无缝集成，方便在这些框架中使用。
下面是一个简单的示例，演示如何使用 WTForms 在 Flask 中创建一个简单的登录表单：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 |
from flask import Flask, render_template, request from wtforms import Form, StringField, PasswordField, validators
# 创建 Flask 应用程序 app = Flask(__name__)
# 定义登录表单 class LoginForm(Form): username = StringField('Username', [validators.Length(min=4, max=25)]) password = PasswordField('Password', [validators.DataRequired()])
# 定义登录路由 @app.route('/login', methods=['GET', 'POST']) def login(): # 创建登录表单实例 form = LoginForm(request.form) # 检查表单是否已提交且通过验证 if request.method == 'POST' and form.validate(): # 获取表单中的用户名和密码 username = form.username.data password = form.password.data # 在这里可以进行用户认证等操作 return f'Welcome, {username}!' # 渲染登录页面并传入表单实例 return render_template('login.html', form=form)
if __name__ == '__main__': app.run(debug=True) |
在上面的示例中，我们首先定义了一个名为 LoginForm 的表单类，其中包含了用户名和密码两个字段，并指定了它们的验证规则。然后，我们在登录路由中使用该表单类创建了表单实例，并在提交表单时进行了验证。如果表单验证通过，就可以获取用户名和密码并进行相应的处理。
当然，你需要在 Flask 应用程序的模板中创建一个 HTML 文件来渲染登录表单，但这超出了代码示例的范围。
