【番外編】FastAPIの心臓部「Pydantic」を徹底解説！型ヒントが最強の武器になる理由

前回までの連載では、FastAPIの基本的な使い方を解説してきました。その中で何度も登場した「データの型定義」を支えているのが、Pydantic（パイダンティック）というライブラリです。

前回の記事はこちら：

【連載】Python FastAPI入門：第3回 Pydanticによるリクエストボディとデータバリデーション

今回は「FastAPIを使っているけれど、実はPydanticの仕組みをよく知らない」という方に向けて、その強力な機能とメリットを深掘りします。

Pydanticとは何か？
「バリデーション」ではなく「パース（解析）」
- 具体的な変換例
Fieldを使ったさらに高度な制約
組み込みエンジニアが感動する「構造体」としての使い勝手
まとめ：なぜFastAPIと相性がいいのか

Pydanticとは何か？

Pydanticは、Pythonの型ヒントを利用して「データのバリデーション（妥当性確認）」と「設定管理」を行うライブラリです。

Pythonは本来、動的型付け言語であり、変数に何を代入しても実行するまでエラーになりにくい性質があります。しかし、Web APIのように外部からどんなデータが飛んでくるか分からない世界では、この性質がバグの温床になります。

Pydanticを使うことで、「送られてきたデータが、期待した型やルール通りか」を瞬時に判定し、安全なデータだけをプログラム内部に受け入れることができます。

「バリデーション」ではなく「パース（解析）」

Pydanticのドキュメントには、「Pydanticはバリデーションライブラリではなく、パース（Parsing）ライブラリである」と書かれています。これが非常に面白いポイントです。

単に「型が違うからダメ！」と拒否するだけでなく、可能な限り正しい型に変換（キャスト）しようとしてくれます。

具体的な変換例

from pydantic import BaseModel

class User(BaseModel):
    id: int
    is_active: bool

# 文字列の "123" や "true" を渡してみる
user = User(id="123", is_active="true")

print(user.id)        # 123 (int型に変換されている！)
print(user.is_active)  # True (bool型に変換されている！)

組み込み開発で、シリアル通信などで受け取った文字列を atoi() や atof() で変換する手間を、Pydanticがすべて自動でやってくれているイメージです。

Fieldを使ったさらに高度な制約

単に「int型であること」だけでなく、「値が0以上100以下であること」や「文字列の長さは5文字以上」といった細かい制約も、Pydanticなら宣言的に記述できます。

from pydantic import BaseModel, Field

class Item(BaseModel):
    name: str = Field(..., min_length=2, max_length=50)  # 2文字以上50文字以内
    price: float = Field(..., gt=0)                      # 0より大きい（Greater Than 0）
    tax: float = Field(default=0.1, le=0.5)              # デフォルト0.1、0.5以下（Less than or Equal）

このように Field を使うことで、ビジネスロジックを汚すことなく、データの入り口で厳密なルールを敷くことが可能です。

組み込みエンジニアが感動する「構造体」としての使い勝手

C言語でいう struct と、Pydanticの BaseModel の違いを比較してみましょう。

特徴	C言語の構造体 (struct)	Pydantic (BaseModel)
データ保持	できる	できる
型チェック	コンパイル時に厳密	実行時に厳密（自動パース）
境界値チェック	手動でif文を書く	`Field` で宣言するだけ
JSON変換	手動（ライブラリ使用）	標準で `model_dump_json()` がある