Как Pydantic взаимодействует с ORM-моделями?

Различие между Pydantic и ORM

Pydantic — это библиотека для валидации данных на основе аннотаций типов. Она создает схемы (модели), которые проверяют и преобразуют входные данные, например, из JSON-запроса. ORM (Object-Relational Mapping), как SQLAlchemy, представляет таблицы базы данных как классы Python и управляет сохранением, загрузкой и связями объектов.

Как они взаимодействуют

В типичном веб-приложении Pydantic-схемы используются для валидации входящих данных (например, из тела POST-запроса), а ORM-модели — для работы с базой данных. Чтобы передать данные между ними, нужно преобразовать ORM-объект в Pydantic-схему и наоборот. Pydantic поддерживает это через режим orm_mode.

Пример интеграции

from pydantic import BaseModel
from sqlalchemy import Column, Integer, String
from sqlalchemy.ext.declarative import declarative_base

Base = declarative_base()

# ORM-модель
class UserORM(Base):
    __tablename__ = 'users'
    id = Column(Integer, primary_key=True)
    name = Column(String)
    email = Column(String)

# Pydantic-схема
class UserSchema(BaseModel):
    id: int
    name: str
    email: str

    class Config:
        orm_mode = True  # Включает поддержку ORM-объектов

# Использование
orm_user = UserORM(id=1, name='Alice', email='alice@example.com')
pydantic_user = UserSchema.from_orm(orm_user)
print(pydantic_user.dict())  # {'id': 1, 'name': 'Alice', 'email': 'alice@example.com'}

Применение на практике

• В FastAPI Pydantic-схемы автоматически валидируют запросы и ответы, а ORM-модели используются в зависимостях для работы с БД.
• При создании записи: Pydantic-схема валидирует входные данные, затем они преобразуются в ORM-объект для сохранения.
• При чтении: ORM-объект преобразуется в Pydantic-схему для отправки клиенту.

Вывод: Pydantic и ORM-модели дополняют друг друга: Pydantic обеспечивает безопасность и типизацию на уровне API, а ORM управляет данными в базе. Их интеграция через orm_mode упрощает разработку и уменьшает количество ошибок.