> ## Documentation Index
> Fetch the complete documentation index at: https://docs.squarecloud.app/llms.txt
> Use this file to discover all available pages before exploring further.
# Cómo validar datos con pydantic
> Aprende a validar datos con pydantic.
## Introducción
* Este artículo te guía a través de la validación de datos con pydantic. Pydantic es una biblioteca de Python construida en Rust.
* Antes de empezar, asegúrate de tener Python y la biblioteca Pydantic instalados en tu entorno. Consulta el comando de instalación de pydantic a continuación.
```bash theme={null}
pip install pydantic
```
## Creando un modelo
* Primero, necesitaremos importar y hacer que nuestra clase herede de `pydantic.BaseModel` para empezar a validar. En nuestro ejemplo crearemos una clase llamada
`Person` que tendrá un nombre, una edad y un correo electrónico.
```python theme={null}
from pydantic import BaseModel
class Person(BaseModel):
name: str
age: int
email: str
```
* Con esta clase, cuando la instanciemos, pydantic validará si los parámetros `name` y `email` son cadenas de texto y si `age` es un entero.
### Usando el modelo
* Ahora que la tenemos creada, instanciaremos la clase. Crearemos un dict que contenga los datos y lo desempaquetaremos en nuestra clase.
```python theme={null}
data = {
"name": "John",
"age": 19,
"email": "john@gmail.com"
}
person = Person(**data)
```
* El ejemplo anterior no generará ningún error ya que todos los **parámetros** son del tipo correcto. Ahora crearemos un dato incorrecto para confirmar si nuestra validación
funciona.
```python theme={null}
data = {
"name": "John",
"age": "19",
"email": "john@gmail.com"
}
person = Person(**data)
```
* En el ejemplo anterior se generará el error `ValidationError` porque `age` necesita ser un **entero** y no puede proporcionarse como una **cadena de texto**.
## Creando una dataclass
* También puedes crear **dataclasses** con pydantic, que serán similares a las **dataclasses** estándar de Python pero tendrán validaciones como BaseModel.
```python theme={null}
from pydantic import dataclass
@dataclass
class Person:
name: str
age: int
email: str
```
* Si enviamos una `string` a `age`, la convertirá a `int`.
Pydantic admite la validación recursiva, lo que significa que al validar modelos anidados, también valida los modelos
internos.
Si alguna clase tiene una lista de `Person`, `people: list[Person]`, verificará cada elemento de la lista y lo convertirá en un `Person`.
## Extras
* Pydantic tiene algunos extras como validaciones de **correo electrónico** y un paquete de respaldo de **timezone**. Para instalarlos, necesitas ejecutar los siguientes comandos:
```bash theme={null}
pip install pydantic[email]
```
```bash theme={null}
pip install pydantic[timezone]
```
* Puedes instalar ambos juntos ejecutando el siguiente comando.
```bash theme={null}
pip install pydantic[email,timezone]
```
* Pydantic\[email] trae una clase para manejar correos electrónicos, normalizándolos y validando el formato `user@domain.tld`. Para esto, pydantic trae la clase `EmailStr` para realizar esta validación.
```python theme={null}
from pydantic import dataclass, EmailStr
@dataclass
class Person:
name: str
age: int
email: EmailStr
```
## ¿Te gustó este artículo?
* Creamos este contenido con mucho cuidado para ofrecer la mejor ayuda posible.
Si este artículo te ayudó de alguna manera, ¡apoya nuestro trabajo! ¡Deja tu reseña! nos ayuda a entender qué es lo que más te importa.
Deja tu reseña en Google Reviews.
Deja tu reseña en Trustpilot.