Python如何解析复杂的JSON数据_利用pydantic模型验证反序列化

Pydantic v2 的 BaseModel 默认不支持嵌套字典自动转模型，需显式声明子模型类型（如 user: UserDetail）、可能为 null 的字段用 Optional[T]、时间字段需符合 ISO 8601 格式并注意时区，model_dump() 需显式配置才包含计算字段和默认值。pydantic v2 的 BaseModel 默认不支持嵌套字典自动转模型你写好 BaseModel 子类，传入一个嵌套很深的 JSON 字典，却发现字段没被解析成子模型实例，还是原始 dict —— 这不是 bug，是默认行为。v2 要求显式声明类型注解，且子字段必须用具体模型类，不能只写 dict 或 Any。实操建议：立即学习“Python免费学习笔记（深入）”；子结构必须定义独立的 BaseModel 类，并在父模型中用该类作为字段类型（例如 user: UserDetail，而非 user: dict）避免用 Dict[str, Any] 接收本应结构化的数据；它会跳过验证和转换如果部分字段动态、不确定结构，用 Union[KnownModel, Dict[str, Any]] + 自定义 @field_validator 控制逻辑注意：model_validate()（v2 新 API）比旧版 parse_obj() 更严格，不会静默忽略类型不匹配JSON 中有 null 值，但模型字段没设 Optional报错典型信息：Input should be a valid dictionary or object 或更隐晦的 None is not a valid input for model —— 其实就是字段声明为 str，但 JSON 里对应键的值是 null。实操建议：立即学习“Python免费学习笔记（深入）”；所有可能为 null 的字段，类型必须显式写成 Optional[T]（即 T | None），比如 name: str | None别依赖默认值兜底：即使写了 name: str = "N/A"，遇到 null 仍会校验失败，因为 null ≠ 缺失字段若想把 null 统一转为空字符串或默认对象，用 @field_validator + mode="before" 预处理v2 中 validate_default=True 不影响 null 处理逻辑，别误以为开了就能绕过解析含时间戳字符串的字段，datetime 字段直接报错JSON 里是 "created_at": "2024-03-15T14:22:08Z"，模型字段声明为 created_at: datetime，却抛出 Input should be a valid datetime —— 常见于时区信息缺失、格式不标准或字段名拼写偏差。 Mokker AI AI产品图添加背景