> ## 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.
# Come validare i dati con pydantic
> Impara a validare i dati con pydantic.
## Introduzione
* Questo articolo ti guida attraverso la validazione dei dati con pydantic. Pydantic è una libreria Python costruita in Rust.
* Prima di iniziare, assicurati di avere Python e la libreria Pydantic installati nel tuo ambiente. Controlla il comando di installazione di pydantic qui sotto.
```bash theme={null}
pip install pydantic
```
## Creare un modello
* Per prima cosa, dovremo importare e far ereditare la nostra classe da `pydantic.BaseModel` per iniziare a validare. Nel nostro esempio creeremo una classe chiamata
`Person` che avrà un nome, un'età e un'e-mail.
```python theme={null}
from pydantic import BaseModel
class Person(BaseModel):
name: str
age: int
email: str
```
* Con questa classe, quando la istanziamo, pydantic validerà se i parametri `name` ed `email` sono stringhe e se `age` è un intero.
### Usare il modello
* Ora che l'abbiamo creata, istanzieremo la classe. Creeremo un dict contenente i dati e lo spacchetteremo nella nostra classe.
```python theme={null}
data = {
"name": "John",
"age": 19,
"email": "john@gmail.com"
}
person = Person(**data)
```
* L'esempio qui sopra non solleverà alcun errore poiché tutti i **parametri** sono del tipo corretto. Ora creeremo dei dati errati per verificare se la nostra validazione
funziona.
```python theme={null}
data = {
"name": "John",
"age": "19",
"email": "john@gmail.com"
}
person = Person(**data)
```
* Nell'esempio qui sopra verrà sollevato l'errore `ValidationError` perché `age` deve essere un **intero** e non può essere fornito come **stringa**.
## Creare una dataclass
* Puoi anche creare delle **dataclass** con pydantic, che saranno simili alle **dataclass** standard di Python ma avranno validazioni come BaseModel.
```python theme={null}
from pydantic import dataclass
@dataclass
class Person:
name: str
age: int
email: str
```
* Se inviamo una `string` ad `age`, verrà convertita in `int`.
Pydantic supporta la validazione ricorsiva, il che significa che quando valida modelli annidati, valida anche i
modelli interni.
Se una classe ha una lista di `Person`, `people: list[Person]`, controllerà ogni elemento della lista e lo convertirà in un `Person`.
## Extra
* Pydantic ha alcuni extra come la validazione delle **e-mail** e un pacchetto **timezone** di fallback. Per installarli, devi eseguire i seguenti comandi:
```bash theme={null}
pip install pydantic[email]
```
```bash theme={null}
pip install pydantic[timezone]
```
* Puoi installarli entrambi insieme eseguendo il seguente comando.
```bash theme={null}
pip install pydantic[email,timezone]
```
* Pydantic\[email] fornisce una classe per gestire le email, normalizzandole e validandone il formato `user@domain.tld`. Per questo, pydantic fornisce la classe `EmailStr` per eseguire questa validazione.
```python theme={null}
from pydantic import dataclass, EmailStr
@dataclass
class Person:
name: str
age: int
email: EmailStr
```
## Ti è piaciuto questo articolo?
* Abbiamo creato questo contenuto con grande cura per offrirti il miglior aiuto possibile.
Se questo articolo ti è stato utile in qualche modo, sostieni il nostro lavoro! Lascia la tua recensione! ci aiuta a capire cosa conta di più per te.
Lascia la tua recensione su Google Reviews.
Lascia la tua recensione su Trustpilot.