Pydantic v2 中 model_validate 报错 TypeError: expected dict, got str 是因它只接受已解析的 Python 对象（如 dict），不处理 JSON 字符串反序列化；正确做法是先用 json.loads() 解析再校验，或直接使用 model_validate_json()。
Pydantic v2 中 BaseModel 的 model_validate 为什么报 TypeError: expected dict, got str
调用 model_validate 时传入字符串（比如 JSON 字符串），会直接报这个错——它只接受已解析的 Python 对象（dict、list 等），不负责反序列化。
正确做法是先用 json.loads() 解析，再传给 model_validate：
import json from pydantic import BaseModelclass User(BaseModel): name: str age: int
raw = '{"name": "Alice", "age": 30}' data = json.loads(raw) # ✅ 先转成 dict user = User.model_validate(data) # ✅ 再校验
- 如果想一步完成，改用
model_validate_json()，它内部调用json.loads并校验 -
model_validate是“纯数据校验”，适用于从数据库、API 响应体（已解码）等拿到的原生结构 - 误把 JSON 字符串当 dict 传入，是新手最常踩的坑，错误信息里
got str已经很直白了
model_validate_json() 能否跳过字段校验？比如允许多余字段
不能跳过，但可以控制“多余字段”的处理方式。默认行为是报错（extra=forbid），但你可以在模型配置中显式设为 ignore 或 allow：
from pydantic import BaseModelclass User(BaseModel): name: str age: int
class Config: extra = 'ignore' # ✅ 多余字段被静默丢弃这样不会报错
User.model_validate_json('{"name": "Bob", "age": 25, "email": "b@x.com"}')
-
extra='ignore'：字段存在但模型没定义 → 丢弃，不报错 -
extra='allow'：保留为model.__dict__中的动态属性（需配合model_extra访问） -
extra='forbid'（默认）：任何未声明字段都触发ValidationError - 注意：
model_validate_json()仍会严格校验已声明字段的类型和约束（如min_length），无法跳过
如何让 model_validate 接受嵌套字典但忽略缺失字段的默认值逻辑
Pydantic 默认对可选字段（Optional[T] 或带默认值）做“缺失即用默认值”处理。如果你传入的字典里缺了某个可选字段，又不想让它被自动填充，默认值，就得关掉这个行为。
方法是设置 validate_default=False（v2.7+ 支持）：
from pydantic import BaseModel, Fieldclass User(BaseModel): name: str nickname: str | None = None score: int = Field(default=0)
默认行为：nickname 缺失 → 设为 None；score 缺失 → 设为 0
加上 validate_default=False 后：缺失字段保持 unset，访问时报 AttributeError
user = User.model_validate({'name': 'Charlie'}, validate_default=False)
- 这在“部分更新”场景很有用，比如 PATCH 请求只传了几个字段，你不希望 Pydantic 自动补全其他字段的默认值
-
validate_default=False只影响字段初始化，不影响类型校验本身 - 老版本（v2.6 及之前）不支持该参数，只能靠自定义
__init__或预处理字典来绕过
用 model_dump() 导出时，怎样让 None 字段不出现，也不转成 null
model_dump(exclude_none=True) 是标准解法，但它只排除值为 None 的字段，不处理字段本身是否“被设置”。如果字段是 Optional[str] = None 且没赋值，它仍会被视为 None 并排除。
更精细的控制要结合 include 或自定义 dump 逻辑：
user = User(name='David', nickname=None)
print(user.model_dump(exclude_none=True)) # {'name': 'David'} ✅
如果你想连“明确设为 None”的字段也保留，就不能用 exclude_none
改用 include 显式列出要导出的键
print(user.model_dump(include={'name', 'score'}))
-
exclude_unset=True：只排除根本没赋过值的字段（比exclude_none更严格） -
exclude_defaults=True：排除值等于字段默认值的字段（注意和exclude_unset区分） - 三者可组合使用，例如
exclude_none=True, exclude_unset=True表示“只导出非空且显式设置过的字段” - JSON 序列化时（
model_dump_json），exclude_none同样生效，但要注意前端是否依赖null占位
Pydantic 的字段行为高度依赖配置组合，同一个方法（如 model_validate）在不同 Config 或参数下语义可能完全不同。别只看函数名，一定核对当前模型的 extra、validate_default 和调用时的参数开关。
