Tipos y Restricciones de Campos
Tipos restringidos, valores predeterminados y alias en Pydantic 2.
Receta
Tarjeta de receta de referencia rápida - lista para copiar y pegar.
from pydantic import BaseModel, Field
class Product(BaseModel):
sku: str = Field(pattern=r"^[A-Z0-9-]+$")
qty: int = Field(ge=0)Cuándo usar esto:
- Validación en el límite de la API
- Generación de OpenAPI
- Alias para JSON camelCase
Ejemplo de Trabajo
from pydantic import BaseModel, Field, AliasChoices
class Payload(BaseModel):
user_id: int = Field(validation_alias=AliasChoices("userId", "user_id"))Lo que esto demuestra:
- Restricciones de patrón (
pattern) - Límites
ge/le AliasChoicespara múltiples nombres
Análisis Profundo
Cómo Funciona
Field()adjunta metadatos y restricciones.- Los tipos anotados envuelven los validadores de forma limpia.
- Los alias controlan las claves de entrada sin nombres de Python.
Errores Comunes
- Validación de límites omitida - Datos inválidos llegan a las capas de persistencia. Solución: Valida con Pydantic o formularios del framework en el borde.
- Fugas de trazas de pila - Los clientes ven errores internos. Solución: Mapea excepciones a respuestas HTTP estables.
- Bucles de eventos asíncronos bloqueados - Los trabajadores se detienen bajo carga concurrente. Solución: Usa controladores asíncronos o envoltorios de pool de hilos.
- Secretos en control de versiones - Credenciales filtradas a través del historial de git. Solución: Carga secretos desde el entorno o una bóveda en tiempo de ejecución.
- Falta de observabilidad - Los incidentes son difíciles de depurar. Solución: Añade logs estructurados, métricas e IDs de solicitud.
Alternativas
| Alternativa | Usar Cuando | No Usar Cuando |
|---|---|---|
| Framework alternativo en este cookbook | Estándar del equipo o monolito existente | API nueva con restricciones diferentes |
| BaaS gestionado | MVP solo CRUD | Autenticación, flujos de trabajo o necesidades de cumplimiento personalizadas |
| gRPC | RPC interno de alto rendimiento | Clientes HTTP públicos y acceso al navegador |
Preguntas Frecuentes
¿Cuándo debería adoptar los campos de Pydantic?
Úsalo cuando los patrones y las compensaciones de esta página coincidan con tu API o límite de datos.
¿Cuál es el principal error de producción con los campos de Pydantic?
Omitir la validación, los tiempos de espera o los contratos de error explícitos en el borde HTTP.
¿Cómo pruebo los campos de Pydantic?
Usa el cliente de prueba del framework, anula las dependencias y afirma el estado más la forma JSON.
¿Los campos de Pydantic funcionan con Python 3.14?
Sí, los ejemplos se dirigen a Python 3.14 con versiones de framework fijadas del pie de página de la pila.
¿Cómo se relacionan los campos de Pydantic con Pydantic 2?
Valida y serializa en los límites; mantén los servicios funcionando con objetos de dominio tipados.
¿Sincronización o asíncrono?
Prefiere rutas asíncronas cuando la E/S domina; mantén el trabajo de CPU pequeño o descárgalo a trabajadores.
¿Dónde debe vivir la lógica de negocio?
Controladores delgados; los servicios poseen las reglas; los repositorios poseen las consultas.
¿Cómo documento las APIs?
Publica documentación OpenAPI o de esquema que coincida con los modelos de respuesta en el código.
¿Cómo manejo el versionado?
Versionado explícito de URL o encabezado con ventanas de depreciación; evita roturas silenciosas.
¿Qué debo leer a continuación?
Sigue los enlaces Relacionados para obtener la siguiente capa de profundidad en esta sección.
¿Cómo me mantengo seguro?
Autentica a los llamadores, autoriza por recurso, limita la tasa y nunca registres secretos.
¿Primer paso para el rendimiento?
Mide la latencia de la base de datos y de los sistemas externos antes de cambiar de framework.
Relacionado
- Conceptos Básicos de Pydantic - Modelos principales
- Validadores - Reglas personalizadas
- Serialización -
model_dump - Gestión de Configuraciones - Configuración de entorno
Versiones de la Pila: Esta página se escribió para Python 3.14.0 (estable 3.14, mantenimiento 3.13), FastAPI 0.115+, Django 5.2, Flask 3.1, Pydantic 2, PyTorch 2.6+, pandas 2.2+, Polars 1.x, ruff 0.9+, y uv 0.6+.