数据清洗是Python API开发中保障接口健壮性的第一道防线，需在接收参数前用Pydantic校验类型与格式，清理字符串杂项，强约束数值与时间，并对嵌套结构执行“拆—验—合”三步清洗。
Python做API接口开发时，数据清洗不是附加项，而是保障接口健壮性的第一道防线。脏数据进，错误响应出；清洗到位，接口才稳。
接收参数前先做基础校验
用户传来的数据永远不可信。哪怕前端做了限制，后端也得重验。
- 用Pydantic定义请求模型，自动完成类型转换+非空/范围/格式校验（比如邮箱、手机号、日期字符串）
- 对query参数和JSON body分别建模，避免混用导致逻辑混乱
- 遇到缺失字段，别直接报500——返回明确的422 + 字段名+错误原因，方便前端快速定位
字符串类数据要“去杂留真”
用户输入最爱带空格、换行、零宽字符、HTML标签、多余符号——这些不清理，后续匹配、存储、展示全可能翻车。
-
strip() + replace('\u200b', '')干掉首尾空格和常见不可见字符
- 用re.sub(r']+>', '', text)简单过滤HTML标签（复杂场景建议用bleach）
- 中文昵称/地址等字段，可加re.sub(r'[^\w\u4e00-\u9fa5\s\-_]', '', s)剔除非预期符号，保留汉字、字母、数字、空格和常用连接符
数值与时间字段必须强约束
看似是数字的字符串（如"12.000"、" 8 "、"NaN"），或格式混乱的时间（"2025/03/01"、"01-03-2025"、"2025-03-01T12:00"），不统一就容易引发计算错误或数据库写入失败。
- 用int(float(x))或Decimal(x)安全转数字，捕获ValueError并提示
- 时间统一用dateutil.parser.parse()解析，再转为datetime.utcnow().replace(tzinfo=timezone.utc)存标准时区
- 对金额类字段，强制限定小数位（如round(amount, 2)），避免浮点误差入库
结构化数据清洗靠“拆—验—合”三步法
比如接收一个用户提交的多地址列表，或嵌套的订单+商品+规格JSON，不能整块塞进去处理。
-
拆：用Pydantic逐层定义子模型（AddressSchema、ItemSchema），让嵌套自动解构
-
验：每个子项独立校验（如地址必填字段、商品ID是否存在、规格组合是否合法）
-
合：校验通过后再组装成业务对象，避免“一半干净一半脏”的中间态参与逻辑
基本上就这些。不复杂但容易忽略——API的稳定性，往往藏在清洗那几行代码里。
