发布于 : Oct 27, 2021
不在本期内容中
这一条目不在当前版本的技术雷达中。如果它出现在最近几期中，那么它很有可能仍然具有相关参考价值。如果这一条目出现在更早的雷达中，那么它很有可能已经不再具有相关性，我们的评估将不再适用于当下。很遗憾我们没有足够的带宽来持续评估以往的雷达内容。
了解更多
Oct 2021
Trial
值得一试。了解为何要构建这一能力是很重要的。企业应当在风险可控的前提下在项目中尝试应用此项技术。
起初，Python 添加了类型注解用以支持静态分析。然而，考虑到类型注解和一般注解在其他编程语言中的广泛使用，开发者开始将 Python 的类型注解用于其他目的只是时间问题。pydantic 就是其中一种，用类型注解进行运行时数据验证和设置管理。当接收到JSON数据，并需要将其解析为复杂的 Python 结构时，pydantic 确保传入的数据与预期类型匹配，或在不匹配时报告错误。虽然 pydantic 可以被直接使用，许多开发者将它作为最流行的 Python web 框架之一—— FastAPI 的一部分来使用。事实上，在 FastAPI 中使用 pydantic 被认为非常有必要，以至于最近有一个 Python 更改提议——旨在降低加载带注解的代码到内存中的成本——被重新考虑， 因为它会在运行时破坏类型注解的使用。
