timmy / 使用 pydantic 進行數據驗證與模型定義
0 喜欢
0 派生
3 文件
最后活跃于 9 months ago
pydantic 提供基於 Python 類別的數據驗證與解析功能，適用於 API 請求驗證、資料模型定義、設定管理 等場景。
| 1 | from pydantic import BaseModel, Field, ValidationError |
| 2 | |
| 3 | class User(BaseModel): |
| 4 | name: str = Field(..., title="使用者名稱", min_length=2) |
| 5 | age: int = Field(..., gt=0, le=150, description="年齡必須介於 1 到 150 之間") |
| 6 | email: str |
| 7 | |
| 8 | # 測試資料 |
| 9 | try: |
| 10 | user = User(name="Tim", age=30, email="tim@example.com") |
timmy / 使用 Streamlit 與 Pydantic 建立使用者資訊展示
0 喜欢
0 派生
1 文件
最后活跃于 10 months ago
這段程式碼使用 pydantic 來定義使用者模型，並且透過 Streamlit 在網頁上顯示使用者資訊，同時 pretty_errors 提供美觀的錯誤訊息格式。
| 1 | from datetime import date |
| 2 | |
| 3 | import pretty_errors |
| 4 | import streamlit as st |
| 5 | from pydantic import BaseModel, Field |
| 6 | |
| 7 | |
| 8 | class User(BaseModel): |
| 9 | id: int |
| 10 | name: str |
上一页
下一页