在日常编程中，数据验证是一个绕不开的话题。

无论是用户注册信息的校验、API接口参数的检查，还是数据清洗过程中的格式验证，我们都需要确保数据的准确性和规范性。

传统的数据验证方法往往需要编写大量的正则表达式和条件判断，既繁琐又容易出错。

今天，Crossin 给大家介绍一个 Python 库——Validators，它可以让数据验证变得异常简单！

1. 什么是Validators？

Validators 是一个专注于数据验证的 Python 库，它提供了多种常见的验证规则，涵盖了邮箱、URL、IP地址、域名、MAC地址等多种数据类型。

这个库的API设计极其简洁，每个验证函数都专注于一个具体的验证任务，只需要一行代码就能完成复杂的数据验证。

无论是初学者还是有经验的开发者，都能快速上手使用。

核心特点：

• 简单易用：每个验证函数命名直观，无需复杂配置

• 全面覆盖：支持邮箱、URL、IP地址、电话号码、日期时间等多种数据类型的验证

• 灵活扩展：支持自定义验证规则，满足特定业务需求

2. 安装与使用

同各种第三方库一样，通过在系统命令行运行一条 pip 命令即可安装 Validators：

pip install validators

安装完成后，让我们来看几个简单的使用示例：

import validators # 验证邮箱地址 email_is_valid = validators.email("test@example.com") print(f"邮箱验证结果：{email_is_valid}") # 输出：True # 验证URL链接 url_is_valid = validators.url("https://www.python.org") print(f"URL验证结果：{url_is_valid}") # 输出：True # 验证字符串长度 length_is_valid = validators.length("hello", min_val=3, max_val=10) print(f"长度验证结果：{length_is_valid}") # 输出：True

是不是很简单？

3. 核心功能详解

3.1. 常见数据类型的验证

Validators 库提供了丰富的数据类型验证函数，以下是几个最常用的：

邮箱验证：支持符合 RFC 5322 标准的邮箱格式，包括带特殊字符（如 .、+）的合法邮箱：

# 标准邮箱验证 validators.email("user@example.com") # True validators.email("user+tag@example.com") # True（符合RFC标准） validators.email("invalid-email") # ValidationError

URL验证：可以验证URL的合法性，地址须包含协议（http/https）：

# HTTPS URL验证 validators.url("https://www.python.org") # True # HTTP URL验证 validators.url("http://example.com/path") # True

IP地址验证：支持 IPv4 和 IPv6 地址的验证，可以指定版本或自动识别：

# IPv4地址验证 validators.ip_address.ipv4("192.168.1.1") # True # IPv6地址验证 validators.ip_address.ipv6("2001:0db8:85a3:0000:0000:8a2e:0370:7334") # True

3.2. 数值与字符串验证

除了网络相关的验证，Validators 也提供了基础的数值和字符串验证功能：

# 数值范围验证 validators.between(25, min_val=18, max_val=60) # True（在18-60之间） # 字符串长度验证 validators.length("username", min_val=3, max_val=20) # True

3.3. 自定义验证规则

当内置函数无法满足需求时，可以轻松创建自定义验证规则：

from validators import validator # 自定义密码强度验证 @validator def strong_password(password): has_upper = any(c.isupper() for c in password) has_digit = any(c.isdigit() for c in password) has_special = any(c in '!@#$%^&*' for c in password) return (len(password) >= 8 and has_upper and has_digit and has_special) # 使用自定义验证 print(strong_password("Weakpass1")) # ValidationError（缺少特殊字符） print(strong_password("StrongPass2!")) # True

4. 实战案例：用户注册数据验证

让我们通过一个实际的例子来展示 Validators 库的强大功能。假设我们需要开发一个用户注册接口，需要验证以下字段：

• 用户名：6-20位字符，只能包含字母、数字和下划线

• 邮箱：必须为有效邮箱，且域名限制为 example.com 或 company.org

• 年龄：18-60岁之间的整数

• 密码：至少8位，包含大小写字母和数字

下面是完整的实现代码：

import validators from validators import validator import re # 自定义用户名验证（正则匹配） @validator def username_validator(username): pattern = r'^\w{6,20}$' # 匹配字母、数字、下划线，长度6-20 return re.match(pattern, username) # 自定义邮箱域名限制 @validator def allowed_email(email, allowed_domains): if not validators.email(email): return False domain = email.split('@')[-1] return domain in allowed_domains # 密码强度验证 def validate_password(password): return (validators.length(password, min_val=8) and any(c.isupper() for c in password) and # 包含大写字母 any(c.isdigit() for c in password)) # 包含数字 # 完整验证逻辑 def validate_user_data(data): errors = {} # 验证用户名 if not username_validator(data.get("username", "")): errors["username"] = "用户名必须为6-20位字母、数字或下划线" # 验证邮箱 email = data.get("email", "") if not allowed_email(email, ["example.com", "company.org"]): errors["email"] = "请使用允许的域名邮箱（example.com/company.org）" # 验证年龄 age = data.get("age", 0) if '.' in str(age) or not validators.between(age, min_val=18, max_val=60): errors["age"] = "年龄必须为18-60之间的整数" # 验证密码 password = data.get("password", "") if not validate_password(password): errors["password"] = "密码需至少8位，包含大小写字母和数字" return len(errors) == 0, errors # 测试数据 user_data = { "username": "user_123", "email": "user@example.com", "age": 25, "password": "SecurePass123", } is_valid, errors = validate_user_data(user_data) if is_valid: print("数据验证通过！") else: print("验证失败，错误信息：", errors)

这个例子展示了如何结合使用 Validators 的内置函数和自定义验证规则，快速构建一个完整的数据验证流程。

5. 总结

Validators 库是一个专门为数据验证而生的 Python 工具，它以其简洁的 API 设计、全面的验证功能和无依赖的纯 Python 实现，成为了数据验证领域的标杆工具。

主要优势：

• 极简API，学习成本低

• 验证功能丰富，覆盖常见需求

• 支持自定义扩展，灵活性强

• 纯Python实现，跨平台兼容性好

适用场景：

• Web表单验证

• API接口参数校验

• 数据清洗和预处理

• 配置文件验证

相比于其他数据验证库，如 Cerberus、Marshmallow 等，Validators 的定位更加轻量和专注。如果你的需求是快速验证单个数据的格式，Validators 无疑是更便捷的选择。