Какие есть способы валидации данных в Python-приложениях?

Валидация данных — это процесс проверки, что входные данные соответствуют ожидаемым форматам, типам и бизнес-правилам перед их использованием в логике приложения. Это критически важно для предотвращения ошибок, обеспечения безопасности (например, инъекций) и поддержания целостности данных.

Основные подходы к валидации

• Ручная проверка: Использование условных операторов (if/else), регулярных выражений (модуль re) и кастомных функций. Просто, но может стать громоздким для сложных структур.
• Валидация через схемы/модели: Библиотеки, такие как Pydantic и marshmallow, позволяют определять классы-модели с аннотациями типов и дополнительными валидаторами. Они автоматически проверяют типы и могут выполнять сложные кастомные проверки.
• Встроенные средства фреймворков: Веб-фреймворки часто предоставляют свои инструменты. Например, Django Forms и Serializers в Django REST Framework, или валидаторы запросов в FastAPI (который сам использует Pydantic).

Примеры кода

Пример с Pydantic, который использует аннотации типов Python для валидации и сериализации:

from pydantic import BaseModel, ValidationError, validator
from typing import List

class User(BaseModel):
    id: int
    name: str
    email: str
    age: int
    tags: List[str] = []

    @validator('age')
    def check_age(cls, v):
        if v < 0:
            raise ValueError('Age must be non-negative')
        return v

# Валидация при создании экземпляра
try:
    user = User(id=1, name="Alice", email="alice@example.com", age=25)
    print(user.json())
except ValidationError as e:
    print(e.json())

Пример ручной валидации для простого случая:

def validate_user_input(data: dict) -> bool:
    if not isinstance(data.get('name'), str) or len(data['name']) == 0:
        return False
    if not isinstance(data.get('age'), int) or data['age'] < 0:
        return False
    # Проверка email через регулярное выражение
    import re
    email_regex = r'^[\w\.-]+@[\w\.-]+\.\w+$'
    if not re.match(email_regex, data.get('email', '')):
        return False
    return True

Вывод: Используйте ручную валидацию или простые проверки для тривиальных случаев. Для сложных структур данных, особенно в веб-API и приложениях с сериализацией, предпочтительнее использовать библиотеки типа Pydantic или инструменты фреймворка, так как они обеспечивают декларативный синтаксис, повторное использование и лучшую поддержку типов.