如何在Pydantic中将多个itemN格式的输入变量合并为单个列表字段？

我来给你分享一个简洁的解决方案，完全贴合Pydantic的设计思路，不用手动逐个定义item1、item2这类字段，就能自动把所有itemN格式的输入收集到items列表里。

核心思路：利用模型验证器预处理输入 #

我们可以借助Pydantic的模型验证器，在模型解析输入数据之前，自动筛选出所有符合item+数字格式的字段，按顺序收集到items列表中，再把处理后的数据交给模型解析。

下面分Pydantic版本给出具体实现：

Pydantic v2 实现（推荐，当前主流版本）

from pydantic import BaseModel, model_validator
from typing import List, Dict, Any

class SomeModel(BaseModel):
    items: List[str]

    @model_validator(mode='before')
    def collect_items(cls, values: Dict[str, Any]) -> Dict[str, Any]:
        # 筛选出所有以"item"开头、后面跟数字的键
        item_keys = [k for k in values if k.startswith('item') and k[4:].isdigit()]
        # 按数字顺序排序，保证item1、item2、item3的顺序不乱
        sorted_item_keys = sorted(item_keys, key=lambda x: int(x[4:]))
        # 收集对应的值，并从原输入中移除这些itemN字段
        items = [values.pop(key) for key in sorted_item_keys]
        # 把收集好的列表赋值给items字段
        values['items'] = items
        return values

Pydantic v1 实现

如果还在使用v1版本，只需要把验证器换成root_validator并设置pre=True：

from pydantic import BaseModel, root_validator
from typing import List, Dict

class SomeModel(BaseModel):
    items: List[str]

    @root_validator(pre=True)
    def collect_items(cls, values: Dict[str, Any]) -> Dict[str, Any]:
        item_keys = [k for k in values if k.startswith('item') and k[4:].isdigit()]
        sorted_item_keys = sorted(item_keys, key=lambda x: int(x[4:]))
        items = [values.pop(key) for key in sorted_item_keys]
        values['items'] = items
        return values

测试用法 #

不管是哪个版本，你都可以直接传入带itemN的字典（或者从CSV读取的行数据）来实例化模型：

# 模拟CSV读取的一行数据
input_data = {"item1": "apple", "item2": "banana", "item3": "cherry"}
model = SomeModel(**input_data)
print(model.items)  # 输出: ['apple', 'banana', 'cherry']

额外优化：添加字段约束 #

如果要求必须至少有一个itemN字段，可以给items字段添加Field约束：

from pydantic import Field

class SomeModel(BaseModel):
    items: List[str] = Field(min_length=1, description="至少需要提供一个item")
    # 验证器代码同上...

这样如果输入中没有任何itemN字段，模型会直接抛出验证错误，符合业务要求。

这种方法完全遵循Pydantic的设计逻辑，没有任何hack操作，还能灵活适配任意数量的itemN字段，不管是3个还是100个都能自动处理。

备注：内容来源于stack exchange，提问作者blinken_lx