基于Pydantic的__init__：嵌套JSON字典映射至模型的方案问询

你完全不需要手动编写复杂的__init__逻辑，Pydantic本身就支持基于类型注解，自动将嵌套字典解析为对应的子模型，不管场景多复杂，只要正确定义类型注解即可。

步骤1：定义子Pydantic模型 #

先为嵌套结构b和d分别定义对应的子模型：

from pydantic import BaseModel
import datetime

# 模拟你提到的class_instance自定义类
class CustomClass:
    def __init__(self, value):
        self.value = value

def class_instance():
    return CustomClass("test_instance")

# 对应键'b'的子模型
class BModel(BaseModel):
    z: int
    y: int

# 对应键'd'的子模型，处理自定义类型用字段验证器
class DModel(BaseModel):
    hi: CustomClass
    string: str

    @classmethod
    def validate_hi(cls, v):
        if isinstance(v, CustomClass):
            return v
        # 若传入的是字典形式，可在此处补充转换逻辑
        raise ValueError("hi必须是CustomClass实例")

步骤2：定义主模型并自动解析 #

主模型中直接用子模型作为字段类型，Pydantic会自动处理嵌套字典的实例化：

class MainModel(BaseModel):
    a: int
    b: BModel
    c: datetime.date
    d: DModel

# 你的输入数据
data = {
    'a': 1,
    'b': {'z': 100, 'y': 200},
    'c': datetime.date.today(),
    'd': {'hi': class_instance(), 'string': 'something'}
}

# 直接初始化主模型，嵌套字典会自动转为子模型实例
model_instance = MainModel(**data)

# 验证结果
print(model_instance.b.z)  # 输出：100
print(model_instance.d.hi.value)  # 输出：test_instance
print(model_instance.__dict__)  # 查看模型的__dict__属性

关键说明 #

• Pydantic会根据字段的类型注解，自动将嵌套字典实例化为对应的子模型，无需手动遍历或硬编码。
• 遇到自定义类型（如CustomClass）时，可通过字段验证器或自定义类型适配器处理，确保Pydantic能正确识别解析。
• 针对动态嵌套、可选字段等复杂场景，只需在模型中正确定义类型注解（如Optional、List、Dict），Pydantic会自动适配。
• 若从JSON字符串加载数据，可用MainModel.parse_raw(json_str)；从字典加载用MainModel.parse_obj(data)或直接MainModel(**data)。

Pydantic v1兼容写法 #

如果你仍在使用Pydantic v1，核心逻辑一致，仅验证器写法略有差异：

from pydantic import BaseModel, validator

class DModel(BaseModel):
    hi: CustomClass
    string: str

    @validator('hi')
    def validate_hi(cls, v):
        if isinstance(v, CustomClass):
            return v
        raise ValueError("hi必须是CustomClass实例")

内容的提问来源于stack exchange，提问作者keynesiancross