如何让Pydantic的model_dump()返回带类型的结果？

我在FastAPI后端开发中结合SQLAlchemy ORM与Pydantic模型使用时遇到了问题：Pydantic的.model_dump()方法返回类型为dict[str, Any]，导致静态类型检查无法验证Pydantic模型字段是否与SQLAlchemy ORM模型匹配。

举个例子，我的SQLAlchemy模型新增了age字段：

from sqlalchemy.orm import MappedAsDataclass, DeclarativeBase

class BaseDBModel(MappedAsDataclass, DeclarativeBase):
    pass

class User(BaseDBModel):
    __tablename__ = "users"
    id: Mapped[int] = mapped_column(primary_key=True, init=False)
    name: Mapped[str] = mapped_column()
    age: Mapped[int] = mapped_column()

但对应的Pydantic模型UserCreate只定义了name字段：

from pydantic import BaseModel

class UserCreate(BaseModel):
    name: str

当我通过User(**user.model_dump())创建ORM实例时，静态类型检查无法识别model_dump()返回的字典缺少age字段，只能等到运行时才会报错。我知道SQLModel可以解决这个问题，但该框架目前尚不成熟，暂时无法采用。使用版本：SQLAlchemy 2.0.23，Pydantic 2.5。

下面是几种可行的解决方案：

方法1：手动定义TypedDict并封装dump方法 #

为Pydantic模型创建对应的TypedDict类型，封装一个返回该类型的dump方法，让静态检查工具（如mypy）能识别字段完整性。

from typing import TypedDict
from pydantic import BaseModel

# 定义与SQLAlchemy模型匹配的TypedDict
class UserCreateDict(TypedDict):
    name: str
    age: int

class UserCreate(BaseModel):
    name: str
    age: int  # 同步SQLAlchemy模型的字段

    def model_dump_typed(self) -> UserCreateDict:
        return UserCreateDict(**self.model_dump())

# 使用示例
user = UserCreate(name="John", age=30)
User(**user.model_dump_typed())  # 静态检查会验证字段是否完整

如果Pydantic模型遗漏字段，mypy会在model_dump_typed方法中直接报错，提前发现问题。

方法2：自动生成TypedDict #

利用Pydantic 2.x的特性或第三方工具（如pydantic-typed-dict）自动从Pydantic模型生成TypedDict，避免手动维护的繁琐。

from pydantic import BaseModel
from pydantic_typed_dict import TypedDictGenerator

class UserCreate(BaseModel):
    name: str
    age: int

# 自动生成匹配的TypedDict
UserCreateDict = TypedDictGenerator(UserCreate).generate()

def create_user(user_data: UserCreateDict):
    return User(**user_data)

# 使用示例
user = UserCreate(name="John", age=30)
create_user(user.model_dump())  # 静态检查会验证类型匹配

方法3：封装类型安全的转换函数 #

通过封装转换函数，让静态检查工具验证Pydantic模型字段是否覆盖SQLAlchemy模型的构造参数。

from sqlalchemy.orm import MappedAsDataclass, DeclarativeBase
from pydantic import BaseModel

class BaseDBModel(MappedAsDataclass, DeclarativeBase):
    pass

class User(BaseDBModel):
    __tablename__ = "users"
    id: Mapped[int] = mapped_column(primary_key=True, init=False)
    name: Mapped[str] = mapped_column()
    age: Mapped[int] = mapped_column()

class UserCreate(BaseModel):
    name: str
    age: int

def create_user_from_pydantic(user: UserCreate) -> User:
    return User(**user.model_dump())

# 使用示例
user = UserCreate(name="John", age=30)
db_user = create_user_from_pydantic(user)

当SQLAlchemy模型新增字段后，如果Pydantic模型未同步更新，mypy会在函数调用时提示参数不匹配。

方法4：反向验证dump结果 #

利用Pydantic的TypeAdapter结合SQLAlchemy模型的构造参数类型，验证model_dump()的结果是否符合要求，兼顾运行时验证和静态提示。

from pydantic import TypeAdapter
from typing import get_type_hints

# 获取User模型的构造参数类型（排除init=False的字段）
user_init_hints = {k: v for k, v in get_type_hints(User.__init__).items() if k != 'self'}

# 创建TypeAdapter用于验证
user_adapter = TypeAdapter(user_init_hints)

user = UserCreate(name="John", age=30)
validated_data = user_adapter.validate_python(user.model_dump())
User(**validated_data)

这个方法不仅能在运行时验证数据完整性，也能辅助静态检查工具识别类型问题。

内容的提问来源于stack exchange，提问作者Oskar Watsfeldt