モデルの定義に基づくバリデーションを 実現するためのpydantic入門 桂川大輝

複数の部品によって構成されるシステムを開発していますか？ ● 多くのシステムは複数の部品によって構成 ○ 部品：モジュール・クラス・メソッドなど ● 各部品が役割と責任を持ち連携 ○ 各部品の入出力を把握しておけばシステムの全ての把握は不要 ○ 入出力：int、str、JSON／辞書（構造） 2 部品A 部品B int str 部品Y 部品Z JSON/辞書 JSON/辞書

課題①：入出力で扱うデータの定義がわからない（可読性の課題） ● 他の部品の出力を入力として受け取る時、 他の部品の実装を深く見る必要がある場面も… （例：JSON／辞書といった型まではわかるが構造はわからない） 3 部品Y 部品Z JSON ？？？のデータを 格納したJSONを 渡します。 何が格納されている？ キーは？

課題②：入出力で扱うデータが正しくない（堅牢性の課題） ● 他の部品の出力を把握しているものの 期待と異なる、正しくないデータを受け取る場面も… （例：年齢が「-1」、型が異なる、約束しているデータがない） 4 部品Y 部品Z JSON ◯△□のデータを 格納したJSONを 渡します。 ドメイン的に ありえないデータが来た

課題を解決する“pydantic” ● “pydantic”とは ○ モデルを定義することでデータのバリデーションを実現するライブラリ ○ 辞書型・JSONとの変換も可能であり部品の入出力に有用 ● 課題①：入出力で扱うデータの定義がわからない（可読性の課題） ○ モデルの定義により把握が可能に（規約化） ● 課題②：入出力で扱うデータが正しくない（堅牢性の課題） ○ 定義に基づくバリデーションにより正しいデータのみが存在する状態に 5 !pip install pydantic

pydanticの利用例〜Userクラスの定義①〜 6 from pydantic import BaseModel, Field class User(BaseModel): id: int name: str age: int = Field(ge=20) external_data = { 'id': 1, 'name': 'パイソン 太郎', 'age': 20 } user = User.parse_obj(external_data) 型、有効範囲の定義 定義を満たす インスタンスの生成 Userクラスの定義の 読み取りが可能 （例：ageは20以上）

pydanticの利用例〜Userクラスの定義②〜 7 from pydantic import BaseModel, Field class User(BaseModel): id: int name: str age: int = Field(ge=20) external_data = { 'id': 1, 'name': 'パイソン 太郎', 'age': 19 } user = User.parse_obj(external_data) 有効範囲外の値 ValidationError

pydanticの利用例〜ValidationErrorの中身〜 8 （省略） ValidationError: 1 validation error for User age ensure this value is greater than or equal to 20 (type=value_error.number.not_ge; limit_value=20) エラーの詳細を確認可能 （例：ageの20以上という定義を満たしていない）

pydanticの利用例〜Userクラスを引数とする関数①〜 9 from pydantic import validate_arguments @validate_arguments def input_user(user : User) -> None: pass external_data = { 'id': 1, 'name': 'パイソン 太郎', 'age': 20 } input_user(external_data) 引数のバリデーションを 実行するデコレーター pydanticで定義した クラスも引数として指定

pydanticの利用例〜Userクラスを引数とする関数②〜 10 from pydantic import validate_arguments @validate_arguments def input_user(user : User) -> None: pass external_data = { 'id': 1, 'name': 'パイソン 太郎', 'age': 19 } input_user(external_data) 有効範囲外の値 ValidationError

pydanticの利用例〜Userクラスを返り値（辞書型）とする関数①〜 11 def output_user() -> dict: external_data = { 'id': 1, 'name': 'パイソン 太郎', 'age': 20 } user = User.parse_obj(external_data) return user.dict() output_user() やりとりしやすい形式（辞書型）で出力 {'age': 20, 'id': 1, 'name': 'パイソン 太郎'}

pydanticの利用例〜Userクラスを返り値（辞書型）とする関数②〜 12 def output_user() -> dict: external_data = { 'id': 1, 'name': 'パイソン 太郎', 'age': 19 } user = User.parse_obj(external_data) return user.dict() output_user() 有効範囲外の値 ValidationError

pydanticの利用例〜デコレーターによる詳細なバリデーションの実現〜 13 from pydantic import BaseModel, Field, validator import unicodedata class User(BaseModel): id: int name: str # 半角空白を含む（※前後以外） age: int = Field(ge=20) @validator("name") def check_contain_space(cls, v): if " " not in v.strip(): # 前後の半角空白を無視 raise ValueError("ensure this value contains spaces") return v.strip() # 前後の半角空白を削除 デコレーターによる詳細な バリデーションの実現も可能 （例：半角空白を含むかを判定）

まとめ ● 複数の部品によって構成されるシステムの開発 ○ 部品：モジュール・クラス・メソッドなど ○ 各部品が役割と責任を持ち連携 ○ 課題①：入出力で扱うデータの定義がわからない（可読性の課題） ○ 課題②：入出力で扱うデータが正しくない（堅牢性の課題） ● 課題を解決する“pydantic” ○ モデルを定義することでデータのバリデーションを実現するライブラリ ○ 課題①：モデルの定義により把握が可能に（規約化） ○ 課題②：定義に基づくバリデーションにより正しいデータのみが存在する状態に 14