నెస్టెడ్ మరియు సంక్లిష్ట రిక్వెస్ట్ బాడీలను ఎలా మోడల్ చేస్తారు?

Question

Accepted Answer

Pydantic మోడల్‌లు **nest** చేయగలవు — ఒక మోడల్ ఫీల్డ్ మరొక మోడల్, మోడల్‌ల జాబితా, లేదా సంక్లిష్ట రకాలు కూడా ఉండవచ్చు — FastAPI చాలా లోతైన నిర్మిత JSON (ఆబ్జెక్టుల్లో ఆబ్జెక్టులు, ఆబ్జెక్టుల శ్రేణులు) స్వయంచాలకంగా ధృవీకరించడానికి అనుమతిస్తుంది.

## Nested models

```python
from pydantic import BaseModel

class Address(BaseModel):
    street: str
    city: str
    zip: str

class User(BaseModel):
    name: str
    address: Address                    # a NESTED model
    tags: list[str] = []                # a list of strings
    addresses: list[Address] = []       # a list of NESTED models

@app.post("/users")
def create(user: User):                  # validates the WHOLE nested structure
    return user
```

```json
// FastAPI validates this entire structure, including the nested address:
{ "name": "Ann",
  "address": { "street": "1 Main", "city": "NY", "zip": "10001" },
  "tags": ["vip"] }
```

మరొక మోడల్ లేదా `list[Model]` రూపంలో టైప్ చేయబడిన మోడల్ ఫీల్డ్ పునరావృతంగా ధృవీకరించబడుతుంది — నెస్టెడ్ ఆబ్జెక్టులు మరియు ఆబ్జెక్టుల శ్రేణులు అన్నీ వాటి స్కీమాల విరుద్ధంగా స్వయంచాలకంగా తనిఖీ చేయబడతాయి.

## Complex and special types

```python
from pydantic import BaseModel, HttpUrl, EmailStr
from datetime import datetime
from enum import Enum

class Status(str, Enum):                 # enums constrain to allowed values
    active = "active"
    inactive = "inactive"

class Item(BaseModel):
    url: HttpUrl                          # validates URL format
    email: EmailStr                       # validates email format
    created: datetime                     # parses ISO 8601 strings → datetime
    status: Status                        # must be one of the enum values
    metadata: dict[str, int]              # typed dict
    coordinates: tuple[float, float]      # typed tuple
```

Pydantic గొప్ప రకాలను నిర్వహిస్తుంది: enums (విలువలను సීమితం చేయండి), `datetime` (ISO స్ట్రింగ్‌లను పార్స్ చేయండి), `HttpUrl`/`EmailStr` (ఫార్మాట్ ధృవీకరణ), మరియు టైప్డ్ dicts/tuples — అన్నీ స్వయంచాలకంగా ధృవీకరించబడతాయి.

## Generic / reusable wrappers

```python
from typing import Generic, TypeVar
T = TypeVar("T")
class Paginated(BaseModel, Generic[T]):   # a reusable generic response wrapper
    items: list[T]
    total: int
# Paginated[User] → { items: [User...], total: N }
```

## ఇది ఎందుకు ముఖ్యమైనది

వాస్తవ-ప్రపంచ API లు చాలా అరుదుగా ఫ్లాట్ డేటాతో వ్యవహరిస్తాయి — అవి సంక్లిష్ట, నెస్టెడ్ నిర్మాణాలను నిర్వహిస్తాయి (చిరునామా మరియు ఆర్డర్‌ల జాబితా కలిగిన వినియోగదారు, లైన్ アイટెమ్‌లతో కూడిన ఆర్డర్, కాన్ఫిగరేషన్ ఆబ్జెక్టులు), మరియు Pydantic యొక్క **నెస్ట్ మోడల్‌ల** సామర్థ్యం ఈ లోతైన నిర్మిత రిక్వెస్ట్ బాడీలను ధృవీకరించడం చాలా సులభం చేస్తుంది.

ఒక మోడల్ ఫీల్డ్ మరొక మోడల్, మోడల్‌ల జాబితా, లేదా గొప్ప రకం కూడా ఉండవచ్చు — మరియు FastAPI **మొత్తం నెస్టెడ్ నిర్మాణాన్ని పునరావృతంగా మరియు స్వయంచాలకంగా ధృవీకరిస్తుంది** — ఇది నిర్భయంగా రియలిస్టిక్, సంక్లిష్ట ఇన్‌పుట్‌ను అంగీకరించే API లను నిర్మించడానికి ముఖ్యమైనది.

గొప్ప రకాల మద్దతు (సంక్షిప్త విలువల కోసం enums, `datetime` పార్సింగ్, `HttpUrl`/`EmailStr` ఫార్మాట్ ధృవీకరణ, టైప్డ్ కలెక్షన్‌లు) మరింత సంక్లిష్ట డేటా మాన్యువల్ చెక్‌ల లేకుండా సరైనదని నిర్ధారిస్తుంది.

నెస్టెడ్ మరియు సంక్లిష్ట బాడీలను ఎలా మోడల్ చేయాలో తెలుసుకోవడం (మరియు పేజినేషన్ వంటి వాటి కోసం పునర్వినియోగపరచదగిన జెనెరిక్ ర్యాపర్‌లు) వాస్తవ అనువర్తనాలకు అవసరమైన నిర్మిత డేటాను నిర్వహించే API లను నిర్మించడానికి ఆచరణాత్మక జ్ఞానం, స్వయంచాలకంగా అందించిన పూర్తి ధృవీకరణ కలిగి ఉన్నవి — FastAPI యొక్క Pydantic-ఆధారిత డిజైన్ యొక్క కీలక శక్తి.