如何用Pydantic将字符串格式的配置转为字典类型？

要处理AWS返回的字符串格式configuration字段，在Pydantic模型里自动转成字典并解析为嵌套模型，核心思路是用**验证器（Validator）**在数据解析前完成字符串到字典的转换。以下是具体实现：

1. Pydantic v2 实现（推荐） #

Pydantic v2使用BeforeValidator装饰器定义前置验证逻辑，先把字符串转成字典再解析为嵌套模型：

import json
from pydantic import BaseModel, BeforeValidator

# 定义字符串转JSON的验证器函数
def parse_json_string(value):
    if isinstance(value, str):
        try:
            return json.loads(value)
        except json.JSONDecodeError:
            # 解析失败时可根据需求返回默认值或抛出异常
            return {}
    return value

# 嵌套的配置模型
class LambdaConfig(BaseModel):
    memory_size: int
    runtime: str
    handler: str

# 主Lambda模型
class LambdaModel(BaseModel):
    function_name: str
    # 用BeforeValidator处理configuration字段的字符串转字典
    configuration: LambdaConfig = BeforeValidator(parse_json_string)

测试示例 #

模拟AWS返回的原始数据，直接解析即可：

# 模拟AWS返回的结构，configuration是JSON字符串
aws_raw_data = {
    "function_name": "test-lambda",
    "configuration": '{"memory_size": 512, "runtime": "python3.11", "handler": "lambda_function.lambda_handler"}'
}

# 解析为Pydantic模型
lambda_obj = LambdaModel(**aws_raw_data)
print(lambda_obj.configuration.memory_size)  # 输出: 512
print(type(lambda_obj.configuration))        # 输出: <class '__main__.LambdaConfig'>

2. Pydantic v1 实现 #

如果还在使用Pydantic v1，用validator装饰器并设置pre=True来实现前置处理：

import json
from pydantic import BaseModel, validator

class LambdaConfig(BaseModel):
    memory_size: int
    runtime: str
    handler: str

class LambdaModel(BaseModel):
    function_name: str
    configuration: LambdaConfig

    @validator('configuration', pre=True)
    def parse_config_string(cls, value):
        if isinstance(value, str):
            return json.loads(value)
        return value

注意事项 #

• 如果configuration字段可能为空字符串或无效JSON，可在验证器里添加容错逻辑（比如返回空字典或抛出ValueError）。
• 确保嵌套模型LambdaConfig的字段和AWS返回的JSON结构完全匹配，避免解析失败。

内容的提问来源于stack exchange，提问作者flyerhawk