Python 进阶语法与参数校验

这一页记录 Python 从“能写脚本”走向“写得更清楚、更安全、更好维护”的几个关键语法点：类型注解、推导式、装饰器、面向对象和 Pydantic 校验。

先看解决什么问题

代码可读性差

变量和函数参数类型不清楚，别人接手时要靠猜。

重复代码多

日志、计时、权限控制、参数校验等逻辑容易在多个函数里重复出现。

数据类型不安全

接口参数、用户输入、外部文件数据都可能类型不对或缺字段。

学习顺序可以按这条线走：

类型注解：先让代码读起来更清楚。
推导式：把简单循环写得更简洁。
装饰器：把可复用的附加逻辑抽出来。
面向对象：把复杂数据和逻辑封装在一起。
Pydantic 校验：让外部输入先过规则，再进入业务逻辑。

类型注解

类型注解是给变量、函数参数和返回值贴上类型标签。它主要解决“猜类型”的问题，让代码更容易读，也方便编辑器提示。

name: str = "张三"
age: int = 18
score: float = 95.5
is_student: bool = True

scores: list[int] = [90, 85, 95]
user_info: dict[str, int] = {"id": 1, "age": 18}
phone: str | None = None


def add(a: int, b: int = 0) -> int:
    return a + b

要点：

写法	作用
`name: str = "张三"`	变量注解
`scores: list[int]`	标注列表内部元素类型
`dict[str, int]`	标注字典 key / value 类型
`str \| None`	表示可能是字符串，也可能是空值
`def add(a: int) -> int`	标注函数参数和返回值

推导式

推导式适合把简单循环压缩成一行，让数据处理更简洁。

普通写法：

nums = []
for x in range(10):
    if x % 2 == 0:
        nums.append(x * 2)

print(nums)  # [0, 4, 8, 12, 16]

推导式写法：

nums = [x * 2 for x in range(10) if x % 2 == 0]
print(nums)  # [0, 4, 8, 12, 16]

核心结构：

[表达式 for 变量 in 可迭代对象 if 条件]

可以按三步理解：遍历 → 筛选 → 生成目标值。

闭包与装饰器

装饰器的基础是闭包。闭包就是：内部函数引用外部函数的变量，并且外部函数返回内部函数。

def outer(msg):
    def inner():
        print(f"收到消息：{msg}")
    return inner


func = outer("Hello 闭包")
func()

装饰器可以在不修改原函数代码的前提下，给函数动态添加功能，比如日志、计时、权限控制。

def logger(func):
    def wrapper(*args, **kwargs):
        print(f"【日志】函数 {func.__name__} 开始执行")
        result = func(*args, **kwargs)
        print(f"【日志】函数 {func.__name__} 执行结束")
        return result
    return wrapper


@logger
def greet(name: str) -> None:
    print(f"Hello, {name}!")


greet("张三")

关键点：

概念	作用
`wrapper`	包装原函数，添加额外逻辑
`*args`	接收任意位置参数
`**kwargs`	接收任意关键字参数
`return result`	返回原函数结果，保持调用行为一致
`@logger`	等价于 `greet = logger(greet)`

面向对象 OOP

面向对象适合把复杂程序里的数据和逻辑打包在一起。类像设计图，实例是具体对象，self 表示实例本身。

class Student:
    def __init__(self, name: str, age: int, score: float = 60):
        self.name = name
        self.age = age
        self.score = score

    def say_hi(self) -> None:
        print(f"我是{self.name}，成绩 {self.score} 分")

    def update_score(self, new_score: float) -> None:
        if 0 <= new_score <= 100:
            self.score = new_score
            print(f"成绩更新为：{self.score} 分")
        else:
            print("成绩必须在 0-100 之间")


student = Student("张三", 18)
student.say_hi()
student.update_score(90)

核心概念：

概念	记忆点
类	设计图纸，例如 `Student`
实例	按类创建出来的具体对象
属性	对象保存的数据，例如 `name`、`score`
方法	对象能执行的动作，例如 `update_score()`
`self`	实例本身，实例方法的第一个参数

适合使用 OOP 的场景：

数据和行为强相关

比如学生有姓名、年龄、成绩，也有更新成绩、判断及格等动作。

对象状态会变化

需要在多次调用中维护同一份状态时，类会比零散函数更清楚。

复杂事物管理

用户、商品、订单、任务、会话这类对象，通常适合用类封装。

Pydantic 参数校验

Pydantic 是基于类型注解的数据校验工具。它可以把“手写 if/else 校验”变成结构化规则，常用于接口参数、用户输入和外部数据校验。

安装：

pip install pydantic

示例：

from pydantic import BaseModel, Field, ValidationError


class Student(BaseModel):
    name: str = Field(min_length=2, max_length=10)
    age: int = Field(ge=18, le=30)
    score: float = Field(default=60, gt=0, lt=100)


def get_student_info(params: dict) -> str:
    try:
        valid_data = Student(**params)
        return f"校验通过：{valid_data.model_dump()}"
    except ValidationError as e:
        return f"校验失败：{e.errors()}"


print(get_student_info({"name": "张三", "age": "20", "score": "90.5"}))

常用规则：

规则	作用
`min_length` / `max_length`	字符串长度限制
`ge` / `le`	大于等于 / 小于等于
`gt` / `lt`	大于 / 小于
`default`	设置默认值
`ValidationError`	捕获校验失败信息

总览速记

知识点	核心作用	应用场景
类型注解	变量和函数贴类型标签，提升可读性	团队协作、大型项目
推导式	精简循环，简化代码	数据筛选、列表生成
装饰器	复用附加逻辑，动态扩展函数	日志、计时、权限控制
面向对象	封装数据和逻辑，便于维护	用户、商品、订单等复杂对象
Pydantic	强制校验，保障数据安全	API 参数、用户输入、工具入参