Как в FastAPI с помощью Pydantic-модели валидируется тело POST-запроса, и что произойдёт, если клиент отправит данные неверного формата?

Короткий ответ

Pydantic-модель объявляется как параметр функции-обработчика; FastAPI разбирает JSON из тела запроса, проверяет его по полям и типам модели и при несоответствии возвращает 422 с описанием ошибок.

Как это работает подробнее

FastAPI видит, что параметр функции аннотирован типом, наследующим pydantic.BaseModel, и ожидает JSON-тело запроса. Pydantic парсит JSON, приводит типы (если возможно) и валидирует ограничения полей (например, min_length, gt).

Пример кода

example.pyКопировать

from fastapi import FastAPI
from pydantic import BaseModel, Field
app = FastAPI()
class ItemIn(BaseModel):
    name: str = Field(min_length=1)
    price: float = Field(gt=0)
@app.post("/items/")
def create_item(item: ItemIn):
    return {"name": item.name, "price": item.price}
# POST {"name": "", "price": -1}  -> 422, ошибки по обоим полям

Что использовать на практике

• Практика. Если валидация проходит, в функцию попадает уже готовый объект модели с типизированными атрибутами — не нужно вручную парсить request.json(). Ошибки возвращаются в едином формате со списком некорректных полей и причин.

Подводные камни

• Риск. Делают поля модели опциональными без значения по умолчанию (Optional[str] без = None), из-за чего поле остаётся обязательным; забывают, что Pydantic v1 и v2 различаются в именах методов (.dict()/.model_dump()).