Pydantic模型定义：选择typing模块类型还是Python原生类型？

你在使用Pydantic做数据验证时发现的这个问题很常见——Python 3.9+确实同时支持两种类型定义方式，而且都能正常运行。先再明确下两种写法的示例：

方式一：使用typing模块的类型 #

from typing import List
from pydantic import BaseModel

class MyModel(BaseModel):
    report: str
    results: List[int]  # 从typing导入的List类型

example = MyModel(report="Summary", results=[1, 2, 3])
print(example)

方式二：使用Python原生类型（3.9+支持） #

from pydantic import BaseModel

class MyModel(BaseModel):
    report: str
    results: list[int]  # 原生list加泛型参数

example = MyModel(report="Summary", results=[1, 2, 3])
print(example)

推荐哪种？为什么？ #

如果你的项目运行在Python 3.9及以上版本，我强烈推荐使用原生类型写法，原因有这几点：

• 代码更简洁：不用额外导入typing模块里的List、Dict这些类型，减少了导入语句，代码看起来更清爽，也符合现代Python的写法习惯。
• 官方认可的趋势：Pydantic从V1就开始支持原生泛型类型，到了V2更是对原生类型做了全面优化，官方文档里的示例也越来越偏向用原生类型，这显然是官方推荐的方向。
• 风格统一：Python 3.9引入的PEP 585就是为了让原生类型支持泛型，和typing模块的类型功能等价，用原生类型能让你的代码和其他现代Python项目的风格保持一致，避免新旧写法混用的混乱。
• 功能完全一致：不管用哪种写法，Pydantic的数据验证、序列化/反序列化逻辑都是一模一样的，不会有功能上的差异。

当然，如果你的项目需要兼容Python 3.8及更早的版本，那只能选择typing模块的类型——毕竟原生泛型是3.9才有的特性。但只要环境允许，原生类型肯定是更好的选择。

备注：内容来源于stack exchange，提问作者Facundo