05 Pydantic을 활용한 데이터 유효성 검사 | ✅ 편저: 코담 운영자

5강: Pydantic을 활용한 데이터 유효성 검사

🔗 소스

---

🔍 Pydantic이란?

• Python의 타입 힌트 기반으로 동작하는 데이터 검증 및 파싱 라이브러리
• FastAPI의 데이터 유효성 검사를 자동화하는 핵심 도구

---

🧱 Pydantic 모델 기본 구조

📌 예제: 사용자 등록 폼 유효성 검사

from pydantic import BaseModel

class User(BaseModel):
    username: str
    email: str
    age: int

• username, email, age 필드를 정의
• FastAPI는 이 모델을 기반으로 자동으로 유효성 검사 수행

---

🚀 FastAPI와 함께 사용하기

📌 예제: POST 요청으로 유저 정보 받기

from fastapi import FastAPI

app = FastAPI()

@app.post("/register")
def register_user(user: User):
    return user

• JSON 데이터가 User 모델과 일치하는지 확인
• 누락되거나 잘못된 타입이면 자동으로 422 오류 반환

---

⚠️ 유효하지 않은 데이터 처리

• 누락된 필드나 잘못된 타입 전달 시 FastAPI가 상세한 오류 메시지를 응답

❌ 예제: 오류 응답

{
  "detail": [
    {
      "loc": ["body", "email"],
      "msg": "field required",
      "type": "value_error.missing"
    },
    {
      "loc": ["body", "age"],
      "msg": "value is not a valid integer",
      "type": "type_error.integer"
    }
  ]
}

• 오류 메시지는 어떤 필드에 어떤 문제가 있는지 명확히 안내

---

✅ 고급 유효성 검사 추가하기

1. 이메일 형식 검사 + 양수 제약 조건

from pydantic import BaseModel, EmailStr, conint

class User(BaseModel):
    username: str
    email: EmailStr
    age: conint(gt=0)

• EmailStr: 이메일 형식 확인
• conint(gt=0): 0보다 큰 정수만 허용

2. 정규식(Regex) 패턴 검사

from pydantic import BaseModel, constr

class User(BaseModel):
    username: constr(regex=r'^[\w.-]+$')

• username은 영문자, 숫자, 밑줄, 점, 하이픈만 허용

3. 사용자 정의 유효성 검사

from pydantic import validator

class User(BaseModel):
    username: str

    @validator("username")
    def no_spaces(cls, v):
        if " " in v:
            raise ValueError("Username must not contain spaces")
        return v

• 공백 포함 여부 등 고유 로직을 커스터마이징 가능

---

✅ 요약

• Pydantic은 FastAPI와 결합해 강력하고 직관적인 유효성 검사 도구 제공
• 필수 필드, 타입 검사, 형식 제약, 정규식, 커스텀 검증 등 다양한 방식 지원
• 빠르게 프로토타입 작성 가능하면서도 신뢰성 있는 API 구현 가능

다음 강의에서는 FastAPI에서 JSON 데이터 처리에 대해 다룹니다.

📌 참고: 본 강의는 FastAPI 학습 시리즈 기반으로 제작되었습니다.