В чем разница между pydantic и dataclass

Pydantic и dataclass служат для создания классов с аннотациями типов, но имеют ключевые различия:

1. Валидация данных:
   Pydantic автоматически проверяет типы данных при создании экземпляра и преобразует их при необходимости. Dataclass только аннотирует типы без валидации.

2. Сериализация:
   Pydantic предоставляет методы .dict() и .json() для конвертации в словарь/JSON. Dataclass требует ручной реализации или использования dataclasses.asdict().

3. Наследование и конфигурация:
   Pydantic поддерживает сложную валидацию через @validator, наследование моделей. Dataclass — это просто синтаксический сахар для __init__, __repr__ и т.д.

Пример:

from pydantic import BaseModel
from dataclasses import dataclass

# Pydantic
class UserPydantic(BaseModel):
    name: str
    age: int  # автоматическая валидация типа

# Dataclass
@dataclass
class UserDataclass:
    name: str
    age: int  # аннотация без валидации

Когда использовать:

• Pydantic — для работы с внешними данными (API, конфиги).
• Dataclass — для внутренних структур, где валидация не нужна.