لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش Pydantic V2: Essentials
Pydantic V2: Essentials
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
راهنمای عمیق برای تسلط بر Pydantic V2 برای مدلسازی، تجزیه و اعتبارسنجی دادهها ایجاد اعتبارسنجیهای سفارشی مدلهای پیشرفته Pydantic V2 و سریالسازها از انواع حاشیهنویسی با نامهای مستعار، ویژگیها و فیلدهای محاسبهشده Pydantic برنامههای کاربردی Pydantic، از جمله اعتبارسنجی آرگومانهای تابع Python پیشها:این نیست دوره ای برای مبتدیان پایتون - باید به پایتون مسلط باشید. آشنایی با نحوه استفاده از خط فرمان نصب پایتون، محیط های مجازی، نصب پیتون درک کامل مفاهیم پایتون مانند تزئینات، OOP، وراثت، ترکیب بندی اصول اولیه اشاره به نوع پایتون
این یک دوره آموزشی سطح پیشرفته در استفاده از کتابخانه Pydantic V2 است. این دوره برای مبتدیان نیست!
من سالها با Pydantic (شروع با نسخه 1) کار کردهام، و از این تجربه برای ارائه دورهای برای شما استفاده میکنم که بر بخشهای اساسی Pydantic تمرکز دارد، باید بدانید که برای استفاده حرفهای، مؤثر و استفاده از آن از کامل بودن آن استفاده کنید. بالقوه .
Pydantic یک چارچوب بسیار انعطافپذیر برای مدلسازی، اعتبارسنجی و تجزیه دادهها در پایتون ارائه میکند.
اگرچه Pydantic اغلب با چارچوبهایی مانند FastAPI مرتبط است، اما کاربردهای بسیار گستردهتری دارد که فراتر از توسعه REST API است. از مدلسازی و اعتبارسنجی دادهها در پایگاههای داده (مانند Redis، DynamoDB، Clickhouse)، صفها (مانند SQS، ElasticMQ، RabbitMQ) و حتی فایلهای CSV، تا حتی ارائه اعتبار آرگومان برای توابع پایتون سفارشی شما!
Pydantic یک چارچوب مدلسازی داده بسیار انعطافپذیر، سریع توسعهیافته و قابل درک است که در مجموعه ابزارهای جدی توسعهدهندگان Python تعلق دارد.
هر زمان که یک پروژه پایتون دارید که حاوی مقدار مناسبی از اعتبارسنجی دادهها و مدلسازی در کلاسهای پایتون است، Pydantic میتواند به طور بسیار مؤثری مورد استفاده قرار گیرد.
میتوانید Pydantic را تا حدودی شبیه به کلاسهای داده پایتون در نظر بگیرید، اما دارای یک لایه اعتبارسنجی داده پیشرفته و انعطافپذیر، و همچنین توانایی آسان برای سریالزدایی (بارگذاری) و سریال (خروجی) این کلاسهای Python/Pydantic در دیکشنریهای ساده و JSON. درست مانند کلاسهای داده، Pydantic از قابلیتهای اشارهای نوع Python برای تعریف مدلهای داده استفاده میکند، اما سپس قابلیتهای اعتبارسنجی و سریالسازی/جداییسازی را اضافه میکند که همگی کاملاً قابل تنظیم هستند.
سرفصل ها و درس ها
معرفی
Introduction
اهداف و پیش نیازهای دوره
Course Goals and Prerequisites
مروری بر برنامه درسی دوره
Course Curriculum Overview
با استفاده از مخزن Companion GitHub
Using the Companion GitHub Repository
مبانی
Basics
معرفی
Introduction
ایجاد یک مدل Pydantic
Creating a Pydantic Model
سریال زدایی
Deserialization
سریال سازی
Serialization
نوع اجبار
Type Coercion
فیلدهای مورد نیاز در مقابل فیلدهای اختیاری
Required vs Optional Fields
فیلدهای باطل شدنی
Nullable Fields
ترکیب Nullable و اختیاری
Combining Nullable and Optional
بازرسی زمینه ها
Inspecting Fields
JSON Schema Generation
JSON Schema Generation
پروژه
Project
راه حل پروژه
Project Solution
پیکربندی مدل
Model Configuration
معرفی
Introduction
رسیدگی به زمینه های اضافی
Handling Extra Fields
اجبار نوع سختگیرانه در مقابل سهل انگاری
Strict vs Lax Type Coercion
نمایش نظرات