普通Python类与Pydantic类的区别是什么？

示例对比 #

常规Python类 #

class Node:
    def __init__(self, chave=None, esquerda=None, direita=None):
        self.chave = chave
        self.esquerda = esquerda
        self.direita = direita

Pydantic类 #

from datetime import datetime
from typing import List, Optional
from pydantic import BaseModel


class User(BaseModel):
    id: int
    name = 'John Doe'  # 默认值
    signup_ts: Optional[datetime] = None  # 可选字段，默认None
    friends: List[int] = []  # 列表类型默认空列表

1. 类型校验与自动转换 #

• 常规类：完全没有内置类型校验机制，传任何类型的参数都不会触发报错，后续逻辑可能因类型不匹配出问题。比如给Node的chave传字符串，程序不会拦截，但后续若按数值处理就会出错。
• Pydantic类：严格按照字段注解的类型校验参数，还支持自动转换兼容类型。比如给User的id传字符串"123"，会自动转为整数123；若传"abc"，则直接抛出ValidationError，明确提示类型不匹配。

2. 初始化代码更简洁 #

• 常规类：必须手动编写__init__方法，逐个给实例属性赋值，代码冗余且容易遗漏字段。
• Pydantic类：继承BaseModel后无需编写__init__，实例化时直接传入参数即可自动绑定到对应属性，还能直接在类属性上定义默认值（如name = 'John Doe'），大幅简化代码量。

3. 序列化/反序列化无需手动实现 #

• 常规类：若要将实例转为字典或JSON格式，需要自己编写转换逻辑，比如遍历实例的__dict__或手动拼接字段，过程繁琐。
• Pydantic类：内置dict()、json()方法，一行代码就能完成实例到字典或JSON字符串的转换，同时自动处理复杂类型（如datetime自动转为ISO格式字符串）。

4. 字段规则直观清晰 #

• 常规类：哪些字段必填、哪些可选，只能通过阅读__init__的参数默认值判断，不看代码无法快速知晓字段规则。
• Pydantic类：通过Optional注解标记可选字段，结合默认值设置，一眼就能区分必填字段（如id: int无默认值，必须传参）和可选字段（如signup_ts: Optional[datetime] = None），字段规则一目了然。

5. 内置数据验证与明确错误提示 #

• 常规类：若需要验证参数合法性，必须在__init__中手动编写判断逻辑，否则即使参数不符合要求也不会主动报错，问题可能隐藏到后续执行阶段才暴露。
• Pydantic类：实例化时自动触发全字段验证，若参数不符合规则（比如friends传入非整数列表），会抛出包含详细错误信息的异常，便于快速定位问题。

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