基于 Pydantic 动态模型的函数参数预验证实践

import collections.abc
from typing import Optional, Type
import pydantic

def form_validator_model(func: collections.abc.Callable) -> Type[pydantic.BaseModel]:
    """
    根据函数的类型注解动态生成一个 Pydantic 模型，用于验证函数参数。

    Args:
        func: 待验证参数的函数（必须包含类型注解）。

    Returns:
        一个动态生成的 Pydantic BaseModel 类，其字段对应于函数的参数。
    """
    # 复制函数的注解字典，避免修改原始函数对象
    ann = func.__annotations__.copy()
    # 移除返回类型注解，因为它不是函数参数
    ann.pop('return', None) 

    # 动态创建 Pydantic BaseModel 类
    # type() 函数的参数分别为：类名、基类元组、类属性字典
    # 这里我们将处理后的注解字典赋值给新类的 '__annotations__' 属性
    return type(f'{func.__name__}_Validator', (pydantic.BaseModel,), {'__annotations__': ann})

# 示例函数，与问题中描述的函数签名一致
def foo(x: int, y: str, z: Optional[list] = None):
    """一个带有类型提示的示例函数。"""
    pass

# 使用动态模型进行参数验证的示例：
print("--- 使用 foo 函数的参数验证器 ---")

# 1. 创建 foo 函数的验证模型
FooValidator = form_validator_model(foo)

# 2. 准备待验证的参数字典
valid_kwargs = {'x': 1, 'y': 'hello', 'z': [1, 2, 3]}
invalid_kwargs_type = {'x': 1, 'y': 'hi', 'z': 'not_a_list'} # 'z' 类型不匹配
invalid_kwargs_missing = {'x': 1} # 缺少必填参数 'y'

# 3. 使用模型进行验证（通过关键字参数实例化模型）
print("\n--- 验证有效参数 ---")
try:
    # 成功验证，返回一个 Pydantic 模型实例
    validated_data = FooValidator(**valid_kwargs)
    print(f"验证成功，数据: {validated_data.model_dump()}")
except pydantic.ValidationError as e:
    print(f"验证失败: {e}")

print("\n--- 验证类型不匹配参数 ---")
try:
    # 'z' 类型不匹配，将抛出 ValidationError
    validated_data = FooValidator(**invalid_kwargs_type)
    print(f"验证成功，数据: {validated_data.model_dump()}")
except pydantic.ValidationError as e:
    print(f"验证失败 (预期的错误): {e}")

print("\n--- 验证缺少必填参数 ---")
try:
    # 缺少 'y'，将抛出 ValidationError
    validated_data = FooValidator(**invalid_kwargs_missing)
    print(f"验证成功，数据: {validated_data.model_dump()}")
except pydantic.ValidationError as e:
    print(f"验证失败 (预期的错误): {e}")

# 另一个函数示例，展示参数类型不匹配引发 ValidationError
def func_example(a: str, b: int) -> str:
    return a * b

print("\n--- 使用 func_example 函数的参数验证器 ---")
FuncValidator = form_validator_model(func_example)

try:
    # 尝试传入不匹配的类型：b 应该是 int，传入了 str
    FuncValidator(a='hello', b='world') 
except pydantic.ValidationError as e:
    print(f"验证失败 (预期的错误): {e}")

try:
    # 传入匹配的类型
    validated_func_args = FuncValidator(a='Pydantic', b=2023)
    print(f"验证成功，数据: {validated_func_args.model_dump()}")
except pydantic.ValidationError as e:
    print(f"验证失败: {e}")