如何在Pydantic中通过condecimal实现Decimal|None字段类型？

你遇到的问题核心在于：

• condecimal本质是约束Decimal类型，所以直接用它会导致字段类型为Decimal | None而非float | None
• float类型不支持decimal_places约束，因为浮点数无法精确控制十进制小数位数，Pydantic因此报错提示该约束未被强制执行

可行解决方案 #

方案1：用字段验证器转换Decimal为float #

通过condecimal定义约束，再用field_validator将验证后的Decimal值转为float，同时修正类型提示：

from pydantic import BaseModel, condecimal, Field, field_validator
from typing import Optional
from decimal import Decimal

class Example(BaseModel):
    some_field: Optional[float] = Field(alias="Some alias")

    @field_validator('some_field', mode='before')
    def validate_and_convert(cls, v):
        # 先用condecimal的规则验证值
        validated_decimal = condecimal(ge=0.01, decimal_places=2)(v)
        # 转换为float
        return float(validated_decimal)

方案2：用Annotated组合约束与转换 #

通过Annotated将约束、转换逻辑封装，让字段类型直接显示为float | None：

from pydantic import BaseModel, condecimal, AfterValidator, PlainSerializer
from typing import Optional, Annotated
from decimal import Decimal

# 定义带约束的转换类型
ConstrainedPositiveFloat = Annotated[
    Decimal,
    condecimal(ge=0.01, decimal_places=2),
    AfterValidator(lambda x: float(x)),  # 验证后转float
    PlainSerializer(lambda x: float(x), return_type=float)  # 序列化时保持float类型
]

class Example(BaseModel):
    some_field: Optional[ConstrainedPositiveFloat] = Field(alias="Some alias")

补充说明 #

• Decimal类型比float更适合处理精确的小数计算，如果业务允许，建议直接使用Optional[condecimal(...)]作为字段类型，无需转换为float
• 若必须用float，上述两种方案都能保证输入值符合正数、两位小数的约束，同时输出float类型

内容的提问来源于stack exchange，提问作者Martiono