Каким образом используешь Pydantic

Pydantic — это мощная библиотека для валидации данных и парсинга в Python, основанная на аннотациях типов. Основные сценарии использования:

1. Валидация данных
   Создаем модели, наследуясь от BaseModel, и автоматически получаем проверку типов:

   python

   Копировать

   from pydantic import BaseModel
   
   class User(BaseModel):
       name: str
       age: int
   
   user = User(name="Alice", age=30)  # Валидация при создании

2. Работа с API (FastAPI, например)
   Pydantic интегрируется с FastAPI для автоматической валидации запросов/ответов:

   python

   Копировать

   from fastapi import FastAPI
   app = FastAPI()
   

@app.post("/users")
def create_user(user: User): # Автоматическая валидация
return user.dict()

3. **Парсинг конфигов**  
Удобно для загрузки и валидации настроек:
```python
from pydantic import BaseSettings

class Settings(BaseSettings):
    api_key: str
    debug: bool = False

settings = Settings()  # Чтение из переменных окружения

4. Кастомные валидаторы
   Можно добавлять свою логику проверки:
   python

   Копировать

   from pydantic import validator
   
   class User(BaseModel):
       email: str
   
       @validator("email")
       def check_email(cls, v):
           if "@" not in v:
               raise ValueError("Invalid email")
           return v

Ключевые преимущества:

• Автоматическая конвертация типов (например, строки в числа)
• Поддержка JSON Schema
• Интеграция с IDE для автодополнения
• Подробные ошибки валидации

Pydantic особенно полезен при работе с внешними данными (API, формы, БД), где критична проверка структуры и типов.