Какой инструмент используется для сериализации и валидации данных в FastAPI?

Основным инструментом для сериализации и валидации данных в FastAPI является библиотека Pydantic.

Она выполняет две ключевые функции:

1. Десериализация и Валидация (Входящие данные): Когда запрос поступает на эндпоинт, FastAPI использует модель Pydantic, указанную в аннотации типа, для парсинга, валидации и преобразования входящих данных (например, JSON) в типизированный Python-объект. Если данные не соответствуют схеме (неверный тип, отсутствуют обязательные поля), FastAPI автоматически возвращает клиенту ошибку 422 Unprocessable Entity с подробным описанием проблемы.

2. Сериализация (Исходящие данные): Когда эндпоинт возвращает объект (например, экземпляр модели Pydantic или ORM-модель), FastAPI использует Pydantic для его преобразования в JSON-формат, который отправляется в теле ответа.

Пример:

from fastapi import FastAPI
from pydantic import BaseModel

# 1. Определение модели Pydantic для валидации и сериализации
class Item(BaseModel):
    name: str
    price: float
    is_offer: bool | None = None # Необязательное поле

app = FastAPI()

@app.post("/items/")
# 2. FastAPI использует Item для валидации тела запроса
async def create_item(item: Item):
    # Здесь 'item' — это уже валидный экземпляр класса Item
    print(item.name)
    # 3. Возвращаемый объект будет автоматически сериализован в JSON
    return item

Почему это важно?

• Надежность: Строгая типизация и автоматическая валидация предотвращают ошибки, связанные с некорректными данными.
• Автоматическая документация: FastAPI анализирует модели Pydantic для автоматической генерации интерактивной документации (Swagger UI / ReDoc), включая схемы данных, типы полей и обязательность.
• Чистый код: Логика валидации и структура данных инкапсулированы в моделях, что делает код эндпоинтов более лаконичным и сфокусированным на бизнес-логике.