为何Pydantic使用.dict()时关联模型字段会转为字典？如何修改？

原因 #

Pydantic的dict()方法（v1版本）核心设计目标是把模型序列化为原生Python数据结构，方便后续的JSON序列化、数据存储或传输。默认情况下，它会递归处理所有嵌套的Pydantic模型实例，将其转换为字典结构——这是因为原生Python类型（如字典、字符串、数字）是通用的可序列化格式，而自定义模型实例并非所有系统都能直接识别。

而直接遍历模型实例时，迭代器返回的是字段的原始值，也就是未经过序列化处理的模型对象，所以不会被转换为字典。

修改方案 #

针对Pydantic v1 #

方法1：直接访问模型的__dict__属性

模型内部通过__dict__存储所有字段的原始值，直接遍历它就能保留嵌套模型实例：

for key, val in model.__dict__.items():
    print((key, val))

如果只需要遍历用户显式设置的字段（排除默认值），可以结合__fields_set__筛选：

for key in model.__fields_set__:
    val = getattr(model, key)
    print((key, val))

方法2：自定义序列化逻辑（按需使用）

如果需要在dict()方法中保留特定嵌套模型，可以通过重写模型的dict()方法实现，但这种方式会影响整体序列化行为，需谨慎使用：

from pydantic import BaseModel

class Model(BaseModel):
    attr: str

class AnotherModel(BaseModel):
    attr: str
    model_attr: Model

    def dict(self, **kwargs):
        # 先获取基础字典，再替换指定字段为原始实例
        result = super().dict(**kwargs)
        result['model_attr'] = self.model_attr
        return result

model = AnotherModel(attr="test", model_attr=Model(attr="something"))
for key, val in model.dict().items():
    print((key, val))

针对Pydantic v2 #

v2版本的model_dump()方法新增了mode参数，设置为'python'即可保留嵌套模型实例，无需额外处理：

from pydantic import BaseModel

class Model(BaseModel):
    attr: str

class AnotherModel(BaseModel):
    attr: str
    model_attr: Model

model = AnotherModel(attr="test", model_attr=Model(attr="something"))
for key, val in model.model_dump(mode='python').items():
    print((key, val))

内容的提问来源于stack exchange，提问作者lupl