如何让pydantic-factories生成满足Pydantic验证条件的模拟数据？

针对日期验证场景的直接解决方法 #

重写ModelFactory中关联字段的生成逻辑，确保end_date基于已生成的start_date生成，自然满足"晚于"的要求：

from datetime import datetime, timedelta
from pydantic import BaseModel, validator
from pydantic_factories import ModelFactory
import random

class Dates(BaseModel):
    start_date: datetime
    end_date: datetime

    @validator("end_date")
    def end_after_start(cls, v, values):
        if "start_date" in values and v <= values["start_date"]:
            raise ValueError("end_date must be after start_date")
        return v

class DatesFactory(ModelFactory):
    __model__ = Dates

    @classmethod
    def end_date(cls) -> datetime:
        # 先获取已生成的start_date值
        start_date = cls.get_field_value("start_date")
        # 生成比start_date晚1-30天的随机日期
        return start_date + timedelta(days=random.randint(1, 30))

# 测试生成
valid_dates = DatesFactory.build()
print(valid_dates.start_date < valid_dates.end_date)  # 输出True

复杂验证场景的通用方案 #

当模型存在多字段联动、条件判断等复杂验证规则时，可采用以下几种通用思路：

1. 重写Factory的build方法 #

先生成基础随机数据，再根据验证规则调整数据后再实例化模型：

class ComplexModel(BaseModel):
    value_a: int
    value_b: int
    status: str

    @validator("status")
    def set_status_based_on_values(cls, v, values):
        if "value_a" in values and "value_b" in values:
            if values["value_a"] > values["value_b"]:
                return "a_gt_b"
            return "b_gt_a"
        return v

class ComplexModelFactory(ModelFactory):
    __model__ = ComplexModel

    @classmethod
    def build(cls, **kwargs):
        # 生成初始随机数据
        raw_data = super().build(**kwargs)
        # 按照验证规则调整字段
        if raw_data["value_a"] > raw_data["value_b"]:
            raw_data["status"] = "a_gt_b"
        else:
            raw_data["status"] = "b_gt_a"
        # 用调整后的数据实例化模型
        return cls.__model__(**raw_data)

2. 使用post_generation钩子 #

利用pydantic_factories提供的post_generation装饰器，在实例生成后直接修正字段值：

from pydantic_factories import post_generation

class DatesFactory(ModelFactory):
    __model__ = Dates

    @post_generation
    def adjust_dates(cls, instance, create, **kwargs):
        # 检查并修正end_date
        if instance.end_date <= instance.start_date:
            instance.end_date = instance.start_date + timedelta(days=random.randint(1, 30))
        return instance

3. 自定义字段生成器 #

为有复杂依赖的字段编写专属生成函数，直接关联依赖字段的生成结果：

def generate_valid_status(value_a: int, value_b: int) -> str:
    return "a_gt_b" if value_a > value_b else "b_gt_a"

class ComplexModelFactory(ModelFactory):
    __model__ = ComplexModel

    @classmethod
    def status(cls) -> str:
        value_a = cls.get_field_value("value_a")
        value_b = cls.get_field_value("value_b")
        return generate_valid_status(value_a, value_b)

4. 特殊场景：绕过验证（不推荐） #

如果仅需要生成结构正确但无需验证的数据，可使用Pydantic的model_construct方法跳过验证，但会失去数据合法性保障：

class DatesFactory(ModelFactory):
    __model__ = Dates

    @classmethod
    def build(cls, **kwargs):
        raw_data = super().build(**kwargs)
        # 跳过验证直接构建实例
        return cls.__model__.model_construct(**raw_data)

内容的提问来源于stack exchange，提问作者Sam