pydantic basemodel 与原生 class 的关键区别在于：basemodel 在实例化时强制执行类型检查、必填/可选判断、默认值填充和约束验证，构造即失败并抛出 validationerror；而原生 class 仅封装数据，无自动校验、转换或序列化能力。
pydantic.BaseModel 和原生 class 的关键区别在哪？
原生 class 只负责封装数据，不做任何校验；pydantic.BaseModel 在实例化时就强制执行类型检查、字段必填/可选判断、默认值填充和约束验证。这不是“运行时提醒”，而是“构造即失败”——一旦字段不合法，ValidationError 立刻抛出，不会让你拿到一个半残缺的对象。
-
<strong>init</strong>不再是普通初始化，而是完整校验入口 - 字段声明写在类体里，不是
<strong>init</strong>参数中（否则会绕过验证） - 类型注解是必须的，
Any或缺失注解会导致该字段被跳过校验 -
Field()用来加约束（如min_length=1）、设默认值或标记为可选
字段可选但非 None：用 Field(default=...) 还是 Field(default=None)？
这是最容易写错的地方。如果字段逻辑上“可不传”，但业务要求它不能是 None（比如要拼接字符串），就不能用 Optional[str] + default=None——那样允许传 {"name": None}，而你其实想拒绝它。
- 写成
name: str = Field(...)→ 必填，没传就报错 - 写成
name: Optional[str] = Field(default=None)→ 允许不传，也允许传"null"或None - 写成
name: str = Field(default="unknown")→ 不传时自动补默认值，且保证类型是str - 如果要“可不传，但传了就必须是非空字符串”，用
name: Optional[str] = Field(default=None, min_length=1)——注意：此时min_length对None不生效，得靠自定义 validator
嵌套模型怎么写才不掉坑？
嵌套不是靠字典硬塞，而是靠子类继承 BaseModel 并在父类里直接标注类型。
- 错误写法：
address: dict→ 失去所有验证能力，连 key 是否存在都不知道 - 正确写法：
address: Address，其中Address是另一个BaseModel子类 - 如果嵌套结构可能为空，用
Optional[Address]，而不是address: dict | None - 列表嵌套同理：
users: List[User]会逐个验证每个User实例；若允许空列表，就写users: List[User] = Field(default_factory=list)
从 dict 加载数据时，为什么有时校验通过、有时报错？
关键看你是用 Model(**data) 还是 Model.model_validate(data)。
-
Model(**data)走的是 Python 原生解包，对键名敏感：字段名必须和参数名完全一致，且不支持嵌套 dict 自动展开 -
Model.model_validate(data)（v2 推荐）才是真正的“从任意数据源构建”，支持字典、JSON 字符串、甚至嵌套结构，并按模型定义做深度校验 - 如果数据来自 HTTP 请求 body，优先用
model_validate；如果是内部函数调用传参，用**kwargs解包更自然，但务必确保 key 名和字段名一致
字段别名（alias）只在 model_validate 和 .model_dump() 中生效，**kwargs 不认 alias。这点不注意，API 接口字段映射就悄悄失效。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
