파이썬 데이터 검증을 쉽게 해주는 Pydantic 라이브러리 사용법

파이썬 데이터 검증을 쉽게 해주는 Pydantic 라이브러리 사용법

Python으로 API를 다루거나 JSON 데이터를 처리하다 보면, 입력값을 검증하고 타입을 체크하는 일이 매우 중요해집니다.
이럴 때 유용하게 사용할 수 있는 도구가 바로 Pydantic입니다.

✅ Pydantic이란?

Pydantic은 타입 힌트를 기반으로 데이터 유효성 검사를 자동으로 처리해주는 파이썬 라이브러리입니다.
마치 dataclass처럼 클래스를 정의하면, 자동으로 필드의 타입을 체크하고 잘못된 값이 들어올 경우 에러를 발생시켜 줍니다.

FastAPI와 같은 웹 프레임워크에서 요청/응답 데이터를 검증할 때도 많이 사용됩니다.

✅ 설치 방법

pip install pydantic

최신 버전을 설치하려면 다음 명령어를 사용할 수 있습니다.

pip install --upgrade pydantic

✅ 기본 사용법

1. 데이터 모델 정의

from pydantic import BaseModel

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

위 코드처럼 BaseModel을 상속받아 클래스 정의 시, 각 필드에 대한 자동 타입 검증이 적용됩니다.

2. 유효한 데이터 입력

user = User(name="김개발", age=30, email="dev@example.com")
print(user)

3. 잘못된 데이터 검증

try:
    user = User(name="김개발", age="스물다섯", email="잘못된 이메일")
except Exception as e:
    print(e)

출력 결과:

2 validation errors for User
age
  value is not a valid integer (type=type_error.integer)
email
  value is not a valid email address (type=value_error.email)

숫자가 아닌 나이, 이메일 형식 오류를 Pydantic이 자동으로 잡아주는 것을 확인할 수 있습니다.

✅ 주요 기능

1. 기본값 설정

class User(BaseModel):
    name: str
    age: int = 25  # 기본값 지정
    email: str

age를 생략하면 기본값 25가 자동으로 설정됩니다.

2. 데이터 자동 변환

class Product(BaseModel):
    name: str
    price: float
    in_stock: bool

product = Product(name="Laptop", price="1999.99", in_stock="True")
print(product)

출력:

name='Laptop' price=1999.99 in_stock=True

문자열로 들어간 숫자와 불리언 값이 자동으로 변환된 것을 확인할 수 있습니다.

3. 필드 조건 설정 (유효성 제약)

from pydantic import BaseModel, Field

class Person(BaseModel):
    name: str = Field(..., min_length=2, max_length=10)
    age: int = Field(..., ge=18, le=99)

person = Person(name="홍길동", age=25)
print(person)

min_length, max_length, ge, le 등 다양한 제약 조건을 쉽게 설정할 수 있습니다.

✅ 정리

• Pydantic은 Python에서 타입 힌트를 활용하여 데이터 검증을 간단하게 구현할 수 있도록 도와주는 라이브러리입니다.
• 자동 타입 캐스팅, 유효성 검사, 기본값 지정, 조건 필터링 등 다양한 기능을 갖추고 있어 JSON 기반 데이터 처리나 API 응답 검증에 매우 적합합니다.
• 코드를 더 안전하고, 명확하고, 유지보수하기 쉬운 구조로 만들어줍니다.

데이터 입력이 많은 애플리케이션을 개발할 때, 특히 외부에서 입력되는 JSON 또는 사용자 요청 값을 신뢰할 수 없는 경우 Pydantic을 사용하여 안정성을 확보하는 것을 추천합니다.

---

※ 본 포스트는 Python 3.12 환경을 기준으로 작성되었습니다.