软件测试|Pydantic处理时间类型数据

简介

我们之前介绍过使用pydantic验证数据，比如校验数据的格式等，但是在我们的日常工作中，还有一种数据是需要我们验证的，比如时间数据，时间数据不同于字符串，列表等数据，与他们的验证不一样，本文就来为大家介绍一下pydantic如何验证时间数据。

datetime时间类型处理

首先，datetime有以下不同的数据：

• datetime, 现有datetime对象
• int或float，假定为 Unix 时间，即自 1970 年 1 月 1 日以来的秒数(if >= -2e10 or <= 2e10)）或毫秒 (if < -2e10or > 2e10)
• str, 则类似：YYYY-MM-DD[T]HH:MM[:SS[.ffffff]][Z or [±]HH[:]MM]]]int或float作为字符串（假定为 Unix 时间）

处理datetime数据，代码如下：

from datetime import datetime
from pydantic import BaseModel, validator


class Book(BaseModel):
    id: int
    name: str
    create_time: datetime = None

    @validator('create_time', pre=True, always=True)
    def set_create_now(cls, v):
        return v or datetime.now()


#  1.传datetime 对象
book1 = Book(id=1, name='muller', create_time=datetime.now())
print(book1.json())

# 2.传字符串
book2 = Book(id=2, name='theshy', create_time="2023-10-24T12:00:10.707257")
print(book2.json())

# 3.Unix 时间戳
book2 = Book(id=3, name='langx', create_time=1645506606260)
print(book2.json())

-----------
输出结果如下:
{"id": 1, "name": "muller", "create_time": "2023-10-25T14:36:27.550312"}
{"id": 2, "name": "theshy", "create_time": "2023-10-24T12:00:10.707257"}
{"id": 3, "name": "langx", "create_time": "2022-02-22T05:10:06.260000+00:00"}

date 日期类型

date日期数据类型可能是以下类型：

• date, 现有date对象
• int或float，见datetime Unix 时间
• str, 有效格式：YYYY-MM-DD int或float

处理date日期数据类型，代码如下：

from datetime import datetime, date
from pydantic import BaseModel, validator


class Book(BaseModel):
    id: int
    name: str
    create_time: date = None

    @validator('create_time', pre=True, always=True)
    def set_create_now(cls, v):
        return v or date.today()


#  1.传date 对象
book1 = Book(id=1, name='python', create_time=date.today())
print(book1.json())

# 2.传字符串
book2 = Book(id=2, name='python', create_time="2023-10-01")
print(book2.json())

# 3.Unix 时间戳
book2 = Book(id=3, name='python', create_time=1645506606260)
print(book2.json())

-----------------
输出结果如下：
{"id": 1, "name": "python", "create_time": "2023-10-25"}
{"id": 2, "name": "python", "create_time": "2023-10-01"}
{"id": 3, "name": "python", "create_time": "2022-02-22"}

time时间点处理

time字段可以是：

• time, 现有time对象
• str, 以下格式有效：HH:MM[:SS[.ffffff]][Z or [±]HH[:]MM]]]

要对time进行处理，代码如下：

from datetime import datetime, date, time, timedelta
from pydantic import BaseModel, validator


class Book(BaseModel):
    id: int
    name: str
    create_time: time


#  1.传time 对象
book1 = Book(id=1, name='theshy', create_time=time(15, 26, 16))
print(book1.json())

# 2.传字符串
book2 = Book(id=2, name='rookie', create_time="15:26:16")
print(book2.json())

------------
输出结果如下：
{"id": 1, "name": "theshy", "create_time": "15:26:16"}
{"id": 2, "name": "rookie", "create_time": "15:26:16"}

timedelta时间差

timedelta对象表示的是两个时间点的时间差，两个date或datetime对象相减就可以返回一个timedelta对象。timedelta字段可以是：

• timedelta, 现有timedelta对象
• int或float, 假定为秒
• str, 以下格式有效：[-][DD ][HH:MM]SS[.ffffff] 和 [±]P[DD]DT[HH]H[MM]M[SS]S

要对时间差数据进行处理，代码如下：

from datetime import date, datetime, time, timedelta
from pydantic import BaseModel


class Model(BaseModel):
    d: date = None
    dt: datetime = None
    t: time = None
    td: timedelta = None


m = Model(
    d=1966280412345.6789,
    dt='2032-04-23T10:20:30.400+02:30',
    t=time(4, 8, 16),
    td='P3DT12H30M5S',
)

print(m.dict())

--------------
输出结果如下：
{'d': datetime.date(2032, 4, 22), 
'dt': datetime.datetime(2032, 4, 23, 10, 20, 30, 400000, tzinfo=datetime.timezone(datetime.timedelta(seconds=9000))), 
't': datetime.time(4, 8, 16), 
'td': datetime.timedelta(days=3, seconds=45005)}

总结

本文主要介绍了pydantic对于时间数据的处理，不只是datetime数据，还有日期，时间点，时间差等数据的验证处理，希望本文对大家有所帮助。

最后感谢每一个认真阅读我文章的人，礼尚往来总是要有的，虽然不是什么很值钱的东西，如果你用得到的话可以直接拿走：

这些资料，对于【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴上万个测试工程师们走过最艰难的路程，希望也能帮助到你！