如何识别Pydantic模型类？能否借助ModelMetaclass实现？

1. 用元类判断：可行但存在版本兼容风险 #

你提到的通过type(StartReturnModel)获取ModelMetaclass，以此判断是否为Pydantic模型类的方式，在Pydantic v1中确实有效——所有继承BaseModel的类的元类都是ModelMetaclass。但需要注意：

• Pydantic v2对内部元类实现做了重构，直接依赖ModelMetaclass会导致跨版本兼容性问题。
• 这种方式属于依赖框架内部细节，一旦Pydantic调整元类逻辑，代码很可能失效，远不如使用官方公开API稳定。

2. 更优的通用方案 #

方案A：检查子类关系（兼容v1/v2） #

最稳妥的方式是先判断输入为类对象，再检查它是否是BaseModel的子类，结合inspect.isclass()和issubclass()实现：

import inspect
from pydantic import BaseModel

def is_pydantic_model_cls(obj):
    return inspect.isclass(obj) and issubclass(obj, BaseModel)

该方法不依赖框架内部实现，只要BaseModel作为Pydantic模型的基类地位不变，就能在所有版本中正常工作。

方案B：使用v2官方工具函数（更简洁） #

如果仅使用Pydantic v2，直接调用官方提供的is_class_and_subclass函数即可，它已封装了类检查和子类判断逻辑：

from pydantic import BaseModel, is_class_and_subclass

def is_pydantic_model_cls(obj):
    return is_class_and_subclass(obj, BaseModel)

3. 同时兼容模型类与实例的场景 #

如果你的函数需要同时处理模型类和模型实例输入，可以参考以下写法：

import inspect
from pydantic import BaseModel, is_instance_of_pydantic_model

def process_input(data):
    if inspect.isclass(data):
        if issubclass(data, BaseModel):
            # 编写模型类的处理逻辑
            print(f"处理Pydantic模型类: {data.__name__}")
    else:
        if is_instance_of_pydantic_model(data):
            # 编写模型实例的处理逻辑
            print("处理Pydantic模型实例")
        else:
            # 其他数据类型的处理逻辑
            print("处理普通数据")

Pydantic v2中的is_instance_of_pydantic_model比直接使用isinstance(data, BaseModel)更严谨，能覆盖动态生成模型实例等边缘场景。

内容的提问来源于stack exchange，提问作者vsnag