pydantic v2 中 basemodel 默认不严格，需显式配置 strict=true 和 extra="forbid" 才实现真正严格校验：前者禁用类型自动转换，后者禁止额外字段；嵌套模型、api路由（如fastapi）及错误处理均需逐层适配，否则校验失效。
Pydantic v2 里 BaseModel 默认不 strict，得手动开
Pydantic 默认允许传入额外字段、类型宽松转换（比如把字符串 "123" 自动转成 int），这在 API 入参校验时容易埋雷。要真正“严格”，必须显式启用 strict 模式——不是靠文档猜，而是靠两个关键配置：strict=True 和 extra="forbid"。
-
strict=True在字段定义里生效：比如user_id: int = Field(..., strict=True)，此时传"123"会直接报Input should be a valid integer，不尝试转换 -
extra="forbid"写在model_config里：防止客户端多传字段，如请求带了未声明的debug_flag，立刻抛Unexpected keyword argument - v2 中
Config类已废弃，改用model_config = ConfigDict(extra="forbid")
嵌套模型 + strict 的坑：子模型也得自己标 strict
父模型设了 strict=True，不代表子模型自动继承。常见错误是只在顶层加 strict，结果嵌套的 address: Address 依然接受字符串转 dict 或忽略字段。
- 每个嵌套的
BaseModel子类都需独立声明model_config = ConfigDict(strict=True) - 字段级
strict=True优先级高于模型级，但仅对当前字段生效；模型级strict=True是对所有字段的默认行为（仍可被单个字段覆盖） - 示例：
class User(BaseModel): name: str = Field(..., strict=True); address: Address—— 这里address必须在Address类内部也配model_config，否则不严格
API 路由里怎么接？FastAPI 默认不 strict，得手动传 context
FastAPI 的 Body 或 Query 参数默认走 Pydantic 的宽松解析，即使你的模型写了 strict=True，也可能被绕过。原因在于 FastAPI 内部调用 .model_validate() 时没传 strict 上下文。
python-script-generator
下载
快速生成专业的 Python 脚本和应用代码。一键创建完整项目结构，支持CLI、API、爬虫、Bot、Django等多种项目类型，包含完整的项目结构、配置文件、依赖管理、测试、README和文档。
- 正确做法：在路由函数参数里显式指定
body=Body(..., strict=True)（FastAPI 0.104+） - 或更可靠的方式：在模型的
__pydantic_core_schema__钩子里强制注入 strict，但太重；推荐用中间件拦截请求体后调用User.model_validate(json_data, strict=True) - 注意：
strict=True会禁用所有隐式类型转换，包括datetime字符串解析，必须确保前端传 ISO 格式，否则报Input should be a valid datetime
ValidationError 的 message 太泛？靠 loc 和 input 定位真实问题
严格模式下报错信息往往只说 Input should be a valid integer，但不知道是哪个字段、哪个嵌套层级出的问题。不能只看 msg，得挖 error.loc 和 error.input。
-
error.loc返回元组，如("user", "id")或("items", 0, "price")，精准定位路径 -
error.input是原始传入值，比如"abc"或None，确认是不是前端传了空字符串或 null - 别依赖
str(exc)做日志，应遍历exc.errors()提取loc/input/msg组装结构化错误响应
strict 不是开关一按就完事，每个嵌套层、每次反序列化入口、每条错误路径都得单独确认——漏掉任意一处，校验就形同虚设。
大量免费API接口：立即使用
涵盖生活服务API、金融科技API、企业工商API、等相关的API接口服务。免费API接口可安全、合规地连接上下游，为数据API应用能力赋能！
