Data Validation with Pydantic V2 (ডেটা ভ্যালিডেশন)

FastAPI-তে ডেটা ভ্যালিডেশনের জন্য সবচেয়ে গুরুত্বপূর্ণ টুল হলো Pydantic। এটি মূলত Python-এর টাইপ হিন্টস (Type Hints) ব্যবহার করে ডেটা ভ্যালিডেশন এবং সিরিয়ালাইজেশন (Serialization) করে।

---

১. Pydantic Models কি এবং কেন দরকার?

Pydantic Model হলো একটি Python ক্লাস যা BaseModel থেকে ইনহেরিট (inherit) করে। এটি আপনার API-তে আসা বা যাওয়া ডেটার একটি "ব্লুপ্রিন্ট" বা কাঠামো হিসেবে কাজ করে।

কেন এটি দরকার?

1. Type Safety: ডেটা সঠিক টাইপের (যেমন: string, int, list) কিনা তা নিশ্চিত করে।
2. Data Validation: ডেটা আসার সাথে সাথে এটি চেক করে। ভুল হলে একটি সুন্দর Error মেসেজ দেয়।
3. Serialization: Python অবজেক্টকে JSON-এ এবং JSON-কে Python অবজেক্টে সহজে রূপান্তর করে।
4. Developer Experience: এডিটরে কোড লেখার সময় অটো-কমপ্লিশন এবং এরর হাইলাইটিং সুবিধা দেয়।

from pydantic import BaseModel

class User(BaseModel):
    id: int
    username: str
    email: str
    age: int | None = None # Optional field

---

২. Schema vs Database Model এর পার্থক্য

নতুনদের জন্য এটি একটি কনফিউজিং বিষয়। চলুন পরিষ্কার করা যাক:

বৈশিষ্ট্য	Schema (Pydantic Model)	Database Model (ORM/SQLAlchemy)
উদ্দেশ্য	ডেটা রিসিভ (Request) বা পাঠানোর (Response) জন্য কাঠামো।	ডেটাবেসে টেবিল তৈরির জন্য কাঠামো।
লাইব্রেরি	Pydantic	SQLAlchemy, Tortoise, etc.
কাজ	ডেটা ভ্যালিডেশন এবং ফরম্যাটিং।	ডেটা সংরক্ষণ এবং কোয়েরি করা।
অবস্থান	API Layer-এ থাকে।	Data Layer/Database-এ থাকে।

TIP

সাধারণত আমরা API রিকোয়েস্টের জন্য একটি Pydantic Schema তৈরি করি এবং সেই ডেটাটিকে পরে Database Model-এ কনভার্ট করে সেভ করি।

---

৩. Request Body হ্যান্ডেল করা

যখন কোনো ইউজার POST বা PUT রিকোয়েস্টের মাধ্যমে ডেটা পাঠায়, তখন আমরা Pydantic Model ব্যবহার করে সেটি রিসিভ করি।

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()

class Item(BaseModel):
    name: str
    description: str | None = None
    price: float
    tax: float | None = None

@app.post("/items/")
async def create_item(item: Item): # এখানে item হলো Item মডেলের একটি ইনস্ট্যান্স
    return item

---

৪. Field Validation এবং Constraints

আপনি চাইলে ডেটার ওপর কড়াকড়ি আরোপ করতে পারেন। এজন্য Pydantic-এর Field ক্লাস ব্যবহার করা হয়।

from pydantic import BaseModel, Field

class UserCreate(BaseModel):
    username: str = Field(
        ..., # ... মানে হলো এটি Required
        min_length=3, 
        max_length=20, 
        pattern="^[a-zA-Z0-9]+$" # শুধু আলফানিউমেরিক
    )
    password: str = Field(..., min_length=8)
    age: int = Field(ge=18, le=100) # ge=18 (বয়স ১৮ বা তার বেশি), le=100 (১০০ বা তার কম)

---

৫. Optional Fields এবং Default Values

সব তথ্য সবসময় দরকারি নাও হতে পারে। আবার কিছু তথ্যের ডিফল্ট মান থাকা দরকার।

class Profile(BaseModel):
    bio: str | None = None # Optional, default is None
    location: str = "Bangladesh" # Optional, default is Bangladesh
    is_active: bool = True # Default True

---

৬. Nested Models (একই ডেটার ভেতরে ভিন্ন ডেটা)

বাস্তব জীবনে ডেটা অনেক সময় জটিল হয়। একটির ভেতরে আরেকটি অবজেক্ট বা লিস্ট থাকতে পারে।

from pydantic import BaseModel

class Image(BaseModel):
    url: str
    name: str

class Product(BaseModel):
    id: int
    name: str
    tags: list[str] = [] # স্ট্রিং এর একটি লিস্ট
    main_image: Image # অন্য একটি মডেল (Nested)
    gallery: list[Image] | None = None # অন্য মডলে এর লিস্ট

রিকোয়েস্টের নমুনা (JSON Payload):

{
  "id": 1,
  "name": "Mechanical Keyboard",
  "tags": ["tech", "typing", "rgb"],
  "main_image": {
    "url": "https://example.com/main.jpg",
    "name": "Main view"
  },
  "gallery": [
    {"url": "https://example.com/side.jpg", "name": "Side view"},
    {"url": "https://example.com/back.jpg", "name": "Back view"}
  ]
}

---

৭. Pydantic-এর বিশেষ সুবিধা: model_dump()

আগে Pydantic V1-এ .dict() ব্যবহার হতো, এখন V2-তে model_dump() ব্যবহার করা হয়। এটি আপনার অবজেক্টকে ডিকশনারিতে রূপান্তর করে।

@app.post("/items/")
async def create_item(item: Item):
    item_dict = item.model_dump()
    # এখন এই ডিকশনারিটি আপনি ডেটাবেসে সেভ করতে পারেন
    print(item_dict["name"])
    return item_dict

---

৮. Practice Exercises (অনুশীলন)

১. একটি PersonalProfile মডেল তৈরি করুন যেখানে full_name, email (অবশ্যই থাকতে হবে), phone (ঐচ্ছিক), এবং experience_years (১ থেকে ৫০ এর মধ্যে) থাকবে। ২. একটি Post মডেল তৈরি করুন যেখানে পোস্টের title, content ছাড়াও comments নামে একটি লিস্ট থাকবে (যা হবে Comment নামের অন্য একটি মডেল)। ৩. Field ব্যবহার করে একটি পাসওয়ার্ড ফিল্ড তৈরি করুন যার দৈর্ঘ্য কমপক্ষে ১০ ক্যারেক্টার।

---

৯. Common Beginner Mistakes

• ভুল ১: .py বা ফাইলের নাম pydantic.py রাখা: এর ফলে অরিজিনাল লাইব্রেরির সাথে ইন্টারফ্ল্যাক্ট (Conflict) হয়।
• ভুল ২: Type Hint ছাড়া ভেরিয়েবল ডিফাইন করা: name = str এর বদলে name: str ব্যবহার করুন।
• ভুল ৩: Pydantic V1 এর syntax ব্যবহার করা: V2 এ অনেক কিছু প্রোডাক্টিভিটি বাড়ানোর জন্য পরিবর্তন করা হয়েছে (যেমন: .dict() এর বদলে .model_dump())।

---

পরবর্তী ধাপ

ডেটা ভ্যালিডেশন শেখার মাধ্যমে আপনি এখন ক্লায়েন্ট থেকে আসা ডেটাকে সুরক্ষিত করতে পারেন। পরবর্তী চ্যাপ্টারে আমরা শিখবো Response Handling - কীভাবে সার্ভার থেকে ডেটা পাঠানোর সময় সেটিকে ফিল্টার বা সিকিউর করা যায়।