如何在实例化时动态设置Pydantic BaseModel字段类型？

核心思路 #

无需复杂自定义验证器，通过提前将pet数据实例化为指定类型，或利用Pydantic内置验证钩子自动处理，同时保证OpenAPI Schema正确显示联合类型。

方案1：手动类型转换（兼容v1/v2，无需验证器） #

最直接的方式是在创建Person实例前，先将pet数据转换为指定子类：

from pydantic import BaseModel

class Animal(BaseModel):
    name: str

class Dog(Animal):
    bark_volume: int

class Cat(Animal):
    meow_pitch: int

class Person(BaseModel):
    name: str
    pet: Cat | Dog  # v1中用 Union[Cat, Dog]

# 构造参数
person_args = {
    "name": "Dan",
    "_pet_type": Dog,
    "pet": { 
        "name": "Fido",
        "bark_volume": 80
    },
}

# 手动提取类型并转换pet数据
pet_type = person_args.pop("_pet_type")
person_args["pet"] = pet_type(**person_args["pet"])

# 创建实例
person = Person(**person_args)

• 优势：无自定义验证逻辑，代码直观
• 说明：_pet_type不会出现在OpenAPI Schema中，序列化输出也不会包含私有标记字段

方案2：利用Pydantic v2的模型验证钩子（自动处理） #

希望自动处理类型转换的话，可用v2的model_validator配合私有属性：

from pydantic import BaseModel, model_validator, PrivateAttr

class Animal(BaseModel):
    name: str

class Dog(Animal):
    bark_volume: int

class Cat(Animal):
    meow_pitch: int

class Person(BaseModel):
    name: str
    pet: Cat | Dog
    # 私有属性，不会出现在OpenAPI Schema
    _pet_type: type[Cat] | type[Dog] | None = PrivateAttr(default=None)

    @model_validator(mode='before')
    def set_pet_type(cls, values):
        # 提前提取类型并转换pet数据
        pet_type = values.pop('_pet_type', None)
        if pet_type and 'pet' in values:
            values['pet'] = pet_type(**values['pet'])
        return values

# 直接传入参数创建实例
person_args = {
    "name": "Dan",
    "_pet_type": Dog,
    "pet": { 
        "name": "Fido",
        "bark_volume": 80
    },
}

person = Person(**person_args)

• 优势：自动处理类型转换，无需手动操作
• 说明：_pet_type是私有属性，不会出现在OpenAPI Schema中，序列化时可通过exclude={'_pet_type'}确保不输出该字段

方案3：在pet数据中嵌入私有类型标记（v2） #

若希望类型标记与pet数据绑定，可给Animal基类添加带exclude=True的字段：

from pydantic import BaseModel, model_validator, Field

class Animal(BaseModel):
    name: str
    # 标记字段，序列化时自动排除
    _pet_type: type['Animal'] | None = Field(default=None, exclude=True)

    @model_validator(mode='before')
    def convert_to_subclass(cls, values):
        pet_type = values.pop('_pet_type', None)
        if pet_type:
            # 转换为指定的子类
            return pet_type(**values)
        return values

class Dog(Animal):
    bark_volume: int

class Cat(Animal):
    meow_pitch: int

class Person(BaseModel):
    name: str
    pet: Cat | Dog

# 参数中把类型标记放在pet内
person_args = {
    "name": "Dan",
    "pet": { 
        "_pet_type": Dog,
        "name": "Fido",
        "bark_volume": 80
    },
}

person = Person(**person_args)

• 优势：类型标记与pet数据绑定，逻辑紧凑
• 说明：_pet_type会被自动排除在序列化结果之外，OpenAPI Schema中pet字段仍显示为Cat/Dog的联合类型

Pydantic v1兼容方案 #

v1中无model_validator，可用root_validator配合extra='allow'实现：

from pydantic import BaseModel, root_validator
from typing import Union

class Animal(BaseModel):
    name: str

class Dog(Animal):
    bark_volume: int

class Cat(Animal):
    meow_pitch: int

class Person(BaseModel):
    name: str
    pet: Union[Cat, Dog]

    class Config:
        extra = 'allow'  # 允许传入额外的_pet_type字段

    @root_validator(pre=True)
    def set_pet_type(cls, values):
        pet_type = values.pop('_pet_type', None)
        if pet_type and 'pet' in values:
            values['pet'] = pet_type(**values['pet'])
        return values

person_args = {
    "name": "Dan",
    "_pet_type": Dog,
    "pet": { 
        "name": "Fido",
        "bark_volume": 80
    },
}

person = Person(**person_args)

• 注意：v1的联合类型需用Union而非|，extra='allow'允许传入模型定义外的_pet_type字段

FastAPI兼容性说明 #

无论哪种方案，只要Person模型的pet字段定义为Cat | Dog（v1为Union[Cat, Dog]），FastAPI都会自动在OpenAPI Schema中生成对应的联合类型，完全符合需求。

内容的提问来源于stack exchange，提问作者Matt Sanders