【Python】在 Pydantic 模型中使用非 Pydantic 定义的类作为模型字段类型

前言

在 Pydantic 模型中使用非 Pydantic 定义的类作为模型字段类型时，核心问题是让 Pydantic 能够​​正确解析输入数据​​（如 JSON/字典）为自定义类的实例，并​​可选地序列化回原始格式​​。

场景假设：假设我们有一个普通 Python 类 User（非 Pydantic 模型）：

# 自定义类，非 Pydantic 模型
class User:def __init__(self, name: str, age: int):self.name = nameself.age = agedef __repr__(self):return f"User(name={self.name}, age={self.age})"

Pydantic v2 支持 BeforeValidator，可以在数据被解析到模型字段前进行预处理，适合需要对原始输入做复杂转换的场景。

模型字段为对象类型时

步骤说明

1. 导入 BeforeValidator和 Annotated。
2. 定义预处理函数（如将字典转为 Use实例）。
3. Pydantic模型设置arbitrary_types_allowed=True，表明可以包含任意类型的字段，比如自定义类、第三方库的对象等。否则，Pydantic 默认只允许标准类型和已注册的类型。
4. 使用 Annotated[User, BeforeValidator(preprocess_func)]标记字段类型。

from typing import Annotatedfrom pydantic import BaseModel, BeforeValidator# 预处理函数：将输入转为 User 实例
def preprocess_user(value: dict) -> User:if not isinstance(value, dict):raise ValueError("Expected dict for User")return User(**value)# Pydantic 模型（使用 Annotated 绑定 BeforeValidator）
class Profile(BaseModel, arbitrary_types_allowed=True):user_info: Annotated[User, BeforeValidator(preprocess_user)]if __name__ == '__main__':# 测试：从字典解析data = {"user_info": {"name": "Diana", "age": 28}}profile = Profile(**data)print(profile.user_info)  # 输出：User(name=Diana, age=28)

模型字段为对象列表类型时

与模型字段为对象类型时的处理方式大同小异

from typing import List, Annotatedfrom pydantic import BaseModel, BeforeValidator# 预处理函数：将字典列表转为 User 实例列表
def preprocess_user_list(value: List[dict]) -> List[User]:user_infos = []for idx, item in enumerate(value):if not isinstance(item, dict):raise ValueError(f"Element {idx} in user_infos is not a dict")user_infos.append(User(**item))return user_infos# Pydantic 模型（使用 Annotated 绑定 BeforeValidator）
class Profile(BaseModel, arbitrary_types_allowed=True):user_infos: Annotated[List[User], BeforeValidator(preprocess_user_list)]# 配置序列化（同上）model_config = {"json_encoders": {User: lambda u: {"name": u.name, "age": u.age}}}if __name__ == '__main__':# 测试：从字典列表解析data = {"user_infos": [{"name": "Diana", "age": 28},{"name": "Eve", "age": 22}]}profile = Profile(**data)print(profile.user_infos)  # 输出：[User(name=Diana, age=28), User(name=Eve, age=22)]