Python pydantic 的 strict mode 与宽松模式

strict=True使BaseModel拒绝隐式类型转换，要求输入类型严格匹配字段声明，如{"age": "25"}传给age: int会报ValidationError；仅对当前模型生效，不递归影响嵌套模型。 strict=True 会让 拒绝隐式类型转换 默认情况下，Pydantic 会尝试把传入的数据“凑合”转成字段声明的类型，比如把字符串 转成 ，把 转成 。开了 ，这种自动转换就停了——类型必须严格匹配。 常见错误现象： 报 “Input should be a valid integer, got a string” 这类提示，不是模型写错了，是 strict 模式下你传了 却声明了 。 只对单个模型生效：在 定义时加 ，或实例化时传 不递归影响嵌套模型：子模型得自己设 ，父模型开了没用 和 无关：strict 控制的是输入解析阶段，不是运行时类型检查 strict=False（默认）下哪些转换最常踩坑 默认宽松模式看似省事，但容易掩盖数据质量问题。比如 字段接收 （缺域名后缀）也能过，因为 Pydantic 先转成字符串再校验；又比如 接收 会被补全成午夜时间，而你可能期望它直接报错。 ：只要能 parse 就转， 、 都行 ： 变 ，非零变 ，连 都算 ：自动去重或打包，但丢失插入顺序或重复项语义 自定义 在类型转换之后运行，所以 validator 看到的已经是“被转过”的值 什么时候必须开 strict=True 当你的数据源不可信，或需要精确控制输入边界时——比如 API 接收前端 JSON，而前端可能把数字字段错传成字符串；又比如做配置加载，要求 必须是整数字面量，不能是 。 Python 3.14.3 微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。 下载 立即学习 “ Python免费学习笔记（深入） ”； CI/CD 中验证配置文件：用 strict 避免 YAML 解析器把 和 统一当字符串处理后又悄悄转回 int 与强类型语言对接（如 Go/TypeScript）：它们不会做隐式转换，Python 端开 strict 才对得齐行为 调试数据漂移：某个字段突然从 int 变成 str，strict 模式能让问题在入口就暴露，而不是在下游计算时报 strict mode 对性能和兼容性的影响 开 strict 会略快一点点——少了一轮类型推导和转换逻辑。但真正要注意的是兼容性断层：同一个模型，strict 开关切换后，合法输入集合完全不同，API 行为会突变。 Pydantic v2 中 是 per-model 设置，v1 的 已废弃，别混用 第三方库（如 FastAPI）默认不传 ，你得在模型里显式写，不然路由 handler 里的模型实例还是宽松的 和 一起用时，字段赋值也会触发 strict 检查，注意 在 字段上会直接抛异常 最易被忽略的点：strict 不影响 或 输出，只管进不管出；另外， 值是否允许，取决于字段是否可选（ ），跟 strict 无关。