通过继承 RootModel[str] 构建轻量验证模型，可在保留字段校验能力的同时避免序列化时的多余嵌套层级，实现如 {"bar": "xxx"} 的扁平 JSON 输出。
通过继承 `rootmodel[str]` 构建轻量验证模型，可在保留字段校验能力的同时避免序列化时的多余嵌套层级，实现如 {"bar": "xxx"} 的扁平 json 输出。
在 Pydantic v2 中，若希望某个字段（如 bar）既接受定制化验证逻辑（例如非空字符串、长度限制、正则匹配等），又不引入额外的 JSON 层级（即不序列化为 {"bar": {"root": "xxx"}}），标准的 BaseModel 子类无法满足需求——因为它总会将字段值包装为对象结构。
此时，RootModel 是专为此类场景设计的核心工具。它表示“整个模型即一个值”，其根字段（root）直接对应序列化后的顶层数据，而非嵌套对象。
✅ 正确做法：使用 RootModel 作为验证载体
以下是一个完整示例：
from pydantic import RootModel, BaseModel, ValidationError
class Foo(RootModel[str]):
# 可添加自定义验证逻辑（如约束长度或格式）
def __init__(self, value: str):
if not isinstance(value, str) or len(value.strip()) == 0:
raise ValueError("Foo must be a non-empty string")
super().__init__(value.strip())
class Bar(BaseModel):
bar: Foo
# 实例化并序列化
y = Bar(bar=Foo("xxx"))
print(y.model_dump_json()) # 输出: {"bar":"xxx"}⚠️ 注意事项：
-
RootModel不支持Field(...)或model_config中的大多数BaseModel特性（如alias,validation_alias等），其核心语义是「单值容器」； - 若需更复杂的校验（如正则、最小长度），推荐搭配
Annotated与AfterValidator使用，语义更清晰且可复用：
from typing import Annotated
from pydantic import AfterValidator, BaseModel
def non_empty_str(v: str) -> str:
if not v or not v.strip():
raise ValueError("Must be a non-empty string")
return v.strip()
class Bar(BaseModel):
bar: Annotated[str, AfterValidator(non_empty_str)]
y = Bar(bar="xxx")
print(y.model_dump_json()) # 同样输出: {"bar":"xxx"}? 总结：
当目标是「强校验 + 零嵌套序列化」时，优先考虑 RootModel[T]；若仅需简单类型约束，Annotated[T, ...] 更简洁、灵活，也更符合 Pydantic v2 的推荐实践。二者均能规避 BaseModel 带来的冗余嵌套，确保 API 输出干净、符合前端或下游服务预期。
