Как бы вы реализовали валидацию данных в приложении Python?

Опишите подход, который вы бы использовали для валидации пользовательского ввода или данных API.

Подсказки:

• Рассмотрите встроенные методы валидации Python по сравнению с библиотеками сторонних разработчиков
• Возможно, вы захотите объяснить, как вы бы обрабатывали разные типы данных
• Подумайте об обработке ошибок и предоставлении полезных сообщений об ошибках валидации

Выше ожиданий:

• Модели Pydantic для валидации схемы
• Классы Dataclasses с аннотациями типов
• Интеграция JSON Schema
• Пользовательские декораторы валидаторов
• Техники санитизации ввода

Подходы к валидации данных

Используйте валидацию, чтобы проверить, соответствуют ли данные ожидаемым критериям, перед обработкой. Это предотвращает ошибки, проблемы безопасности и повышает надёжность приложения.

Встроенные методы Python

• Используйте isinstance() для проверки типов данных (например, isinstance(value, str))
• Применяйте блоки try/except для перехвата ошибок преобразования
• Используйте строковые методы, такие как .isdigit(), .isalpha() для базовых проверок
• Воспользуйтесь модулем re Python для сопоставления с образцом с помощью регулярных выражений

Библиотеки сторонних разработчиков

• Marshmallow: Библиотека валидации на основе схем, поддерживающая сложные структуры данных
• Cerberus: Легковесная и гибкая библиотека валидации с настраиваемыми правилами
• jsonschema: Реализует спецификацию JSON Schema для валидации данных JSON
• Pydantic: Валидация схем на основе описанных типов Python
• WTForms: Библиотека валидации форм, полезная для веб-приложений

Лучшие практики обработки ошибок

Создавайте описательные сообщения об ошибках, которые:

• Указывают, какое поле не прошло валидацию
• Объясняют, почему валидация не удалась
• Предлагают, как исправить проблему

def validate_age(age):
    try:
        age = int(age)
        if age < 0 or age > 120:
            return False, "Возраст должен быть в диапазоне от 0 до 120"
        return True, age
    except ValueError:
        return False, "Возраст должен быть числом"

Продвинутые техники

Модели Pydantic

Используйте Pydantic для валидации схем с автоматическим преобразованием типов:

from pydantic import BaseModel, validator, Field

class User(BaseModel):
    name: str = Field(..., min_length=2)
    age: int = Field(..., gt=0, lt=120)
    
    @validator('name')
    def name_must_be_valid(cls, v):
        if not v.isalpha():
            raise ValueError('Имя должно содержать только буквы')
        return v.title()

Аннотации типов с классами dataclasses

Совмещайте dataclasses с аннотациями типов для структуры и валидации:

from dataclasses import dataclass
from typing import List, Optional

Очистка (sanitization) входных данных

Всегда очищайте входные данные, чтобы предотвратить атаки с использованием инъекций, выполняя:

• Удаление ненужных пробелов
• Экранирование специальных символов
• Преобразование в соответствующие типы данных перед валидацией
• Нормализация данных (например, приведение к нижнему регистру для сравнений без учёта регистра)