⚖️ Старый vs Новый: валидация данных

🎯 Сравнение подходов к валидации

⚡ Кратко

Ручная валидация — много кода, легко забыть проверку, сложно поддерживать.
Pydantic — декларативная валидация через аннотации типов. Меньше кода, больше надёжности.
Pydantic v1 → v2: @validator → @field_validator, .dict() → .model_dump(), .json() → .model_dump_json().

Сравнение подходов

🔥 Старый способ: ручная валидация

def create_user(data: dict) -> dict:
    errors = []
    if not isinstance(data.get('name'), str):
        errors.append("name must be a string")
    if not isinstance(data.get('age'), int):
        errors.append("age must be an integer")
    if data.get('age', 0) < 0:
        errors.append("age must be positive")
    if "@" not in str(data.get('email', '')):
        errors.append("email is invalid")

    if errors:
        raise ValueError(errors)

    return {
        "name": data['name'],
        "age": data['age'],
        "email": data['email']
    }

❌ Много шаблонного кода
❌ Легко забыть проверить какое-то поле
❌ Нет автоматического приведения типов
❌ Сложно описывать вложенные структуры

✨ Новый способ: Pydantic

from pydantic import BaseModel, EmailStr

class User(BaseModel):
    name: str
    age: int
    email: EmailStr

user = User(name="Anna", age=25, email="anna@example.com")
print(user.model_dump())

✅ Декларативное описание — читается как спецификация
✅ Автоматическая валидация всех полей
✅ Автоматическое приведение типов (например, "25" → 25)
✅ Подробные сообщения об ошибках
✅ Вложенные модели из коробки
✅ Сериализация в JSON одним методом

Pydantic v1 vs v2

v1 (устарело)	v2 (актуально)
`@validator`	`@field_validator`
`.dict()`	`.model_dump()`
`.json()`	`.model_dump_json()`
`.parse_raw()`	`.model_validate_json()`
`.parse_obj()`	`.model_validate()`
`__root__`	`RootModel`

Важно: в интернете много примеров на Pydantic v1. Если видишь @validator или .dict() — это старая версия. В нашем курсе используем v2.