Pydantic v2 中实现字段自动计算的核心在于区分两类需求：若只需运行时动态派生、只读且不参与序列化的值（如 full_name、total_price），应优先使用 @computed_field——它轻量高效、类型安全，仅在访问时计算且默认不输出到 model_dump()；而若需将计算结果作为模型的“真实字段”持久化、校验并完整序列化（如用于数据库或API响应），则推荐用 @field_validator(mode="after") 在解析完成后主动补全字段。文章清晰对比了两种方式的适用场景、关键限制（如禁止在 mode="before" 中跨字段依赖）及典型代码范式，帮助开发者避开 v1 升级中的常见陷阱，精准选择最契合业务语义的计算策略。

Pydantic v2 中不能直接像 v1 那样用 @validator 在赋值时动态计算字段，但可以通过 @field_validator（配合 mode="before" 或 "after"）或更推荐的方式——使用 @computed_field 来实现“根据其他字段自动计算”的需求。

用 @computed_field 声明派生字段（推荐）

这是 Pydantic v2 引入的专门用于定义只读、运行时计算字段的机制。它不参与模型初始化输入，只在访问时动态计算，适合纯派生值（如 fullname、total_price、is_valid 等）。

• 计算逻辑写在方法体中，直接读取 self 上的其他字段
• 需加上 @computed_field 装饰器，并标注返回类型（类型提示必须明确）
• 该字段不会出现在 model_dump() 默认输出中，除非显式传参 include_computed=True

示例：

from pydantic import BaseModel, computed_field
class User(BaseModel):
first_name: str
last_name: str
@computed_field
@property
def full_name(self) -> str:
    return f"{self.first_name} {self.last_name}"
u = User(first_name="Alice", last_name="Smith")
print(u.full_name)  # "Alice Smith"
print(u.model_dump())  # {'first_name': 'Alice', 'last_name': 'Smith'}
print(u.model_dump(include_computed=True))  # {'first_name': 'Alice', 'last_name': 'Smith', 'full_name': 'Alice Smith'}

用 @field_validator 在解析后补全字段（适合需要存入模型的数据）

如果希望计算结果也作为模型的一个“真实字段”被序列化、校验、参与后续逻辑（比如数据库映射），可以用 @field_validator + mode="after"，在所有字段解析完成后手动设置目标字段。

• 装饰器作用于待填充的字段名（如 "full_name"）
• mode="after" 表示在所有字段已解析完毕后触发，此时可安全访问 values 或 self
• 需返回计算后的值（不能修改 self，要通过 info.data 或返回值方式注入）

示例：

from pydantic import BaseModel, field_validator
class User(BaseModel):
first_name: str
last_name: str
full_name: str  # 这个字段不再由用户传入，而是自动填充
@field_validator('full_name', mode='after')
@classmethod
def set_full_name(cls, v, info):
    # 如果 v 已提供，就用它；否则根据其他字段生成
    if v is None or v == "":
        data = info.data
        return f"{data['first_name']} {data['last_name']}"
    return v
使用时可不传 full_name，它会自动补上
u = User(first_name="Bob", last_name="Lee")
print(u.full_name)  # "Bob Lee"
print(u.model_dump())  # {'first_name': 'Bob', 'last_name': 'Lee', 'full_name': 'Bob Lee'}

注意：避免在 mode="before" 中依赖未解析字段

mode="before" 在字段解析前执行，此时其他字段可能还未处理，无法可靠读取。除非你明确控制输入结构（如统一传 dict），否则不建议在此模式下做跨字段计算。

• 例如：想用 email 自动生成 username，但 email 字段本身还没被验证或转换，容易出错
• 优先选 mode="after" 或 @computed_field

小技巧：结合 default_factory 实现轻量默认计算（仅限初始化时）

如果只是想在字段未提供时“按需生成一次”，且不需要响应其他字段变化，可用 default_factory：

from pydantic import BaseModel, Field
from datetime import datetime
class LogEntry(BaseModel):
message: str
created_at: datetime = Field(default_factory=datetime.now)
注意：这跟其他字段无关，只是时间戳默认值

但它不构成字段间依赖关系，不属于“根据另一个字段计算”。

今天带大家了解了的相关知识，希望对你有所帮助；关于文章的技术知识我们会一点点深入介绍，欢迎大家关注golang学习网公众号，一起学习编程~