FastAPI 官方文档解读 (二)

Body字段验证

之前我们提到过,QueryPath可以进行字段验证,对长度和取值范围等进行限制。Body中的JSON字段也具有同样的验证,只不过需要声明在Model中,而不是参数中。

class Item(BaseModel):
    name: str
    description: Optional[str] = Field(
        None, title="The description of the item", max_length=300
    )
    price: float = Field(..., gt=0, description="The price must be greater than zero")
    tax: Optional[float] = None

使用Field()可以很好地满足我们的需求。

复杂类型字段的验证

tags: list = []表示普通的列表验证,如果我们想要统一的类型(像数组那样),我们可以使用typingList来表示,例如tags: List[str] = []
你过你要求数据不重复,那么也可以试试set,用typing中的Set来表示tags: Set[str] = set()

model嵌套

class Image(BaseModel):
    url: str
    name: str

class Item(BaseModel):
    name: str
    description: str = None
    price: float
    tax: float = None
    tags: Set[str] = []
    image: Image = None 

使用model作为另一个model中字段的类型也是可以的。并且这也将很常用。

特殊类型验证

pydantic提供了一些定义好的特殊类型,方便对各种内容进行验证。

from pydantic import BaseModel, UrlStr 

class Image(BaseModel):
    url: UrlStr
    name: str

UrlStr便是一种可以验证合法URL的预置类型

列表Body

如果您希望Body中的JSON,最外层是一个列表。那么您需要在参数中像如下一样定义类型。

def create_multiple_images(images: List[Image]):

Dict的Body

除了Model,您也可以使用dict来接收Body。

@app.post("/index-weights/")
async def create_index_weights(weights: Dict[int, float]):
    return weights

这种形式的类型标注,即可用字典来接收。当然JSON不支持int类型的key,不用担心,fastapi会自动转换。

Cookie参数

def read_items(*, ads_id: str = Cookie(None)):像这样声明,即可获取Cookie参数。第一个值为默认值。

Header参数

def read_items(*, user_agent: str = Header(None)):可以接收Header中的参数。如果Header的一个字段具有多个值,可以使用def read_items(x_token: List[str] = Header(None)):这种形式

Response model

关于这部分内容,请看前面关于fastapi源码的解读。

FastAPI 源码阅读 (二) 路由

model之间的转化

pydantic的model提供了.dict()方法,可以将字段导出为字典。这样便实现模型之间的转换。例如:

class UserIn(BaseModel):
    username: str
    password: str
    email: EmailStr

class UserOut(BaseModel):
    username: str
    email: EmailStr

这两个model之间的差别只有password,UserIn的定义需要如下形式

user_in = UserIn(
          username="john", 
          password="secret", 
          email="john.doe@example.com"
)

而UserOut使用dict()导出可能是如下形式

{
    'username': 'john',
    'email': 'john.doe@example.com',
}

我们只需要user_in = UserIn(**user_out.dict(), password="secret")便可达到效果
反过来转换,UserIn的dict中多余的参数,会被UserOut忽略掉。

model的Union

@app.get("/items/{item_id}", response_model=Union[PlaneItem, CarItem]) 
async def read_item(item_id: str):
    return items[item_id]

Union[PlaneItem, CarItem]使得response有更多的选择余地。像response_model=List[Item]也是被允许的

Form表单

= Form(...),该类继承于Body,用法一致。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,189评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,577评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,857评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,703评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,705评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,620评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,995评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,656评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,898评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,639评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,720评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,395评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,982评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,953评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,195评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,907评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,472评论 2 342