FastAPI 基础学习(六) Request Body(一)
作者:互联网
Request Body是从客户端发送到API端的数据内容。这里有两种方式来实现对Request Body的响应。
一、基于Pydantic数据模型
通过以下几个简单环节我们就可以完成对Request Body的处理。
1、导入Pydantic BaseModel
from pydantic import BaseModel
2、创建数据模型
声明需要的数据模型,并且继承自BaseModel。
class Item(BaseModel): name: str description: str = None price: float tax: float = None
模型属性均基于标准的Python类型。
注意,与请求参数类似,如果模型属性有缺省值,那么就意味着它不是必须的,如果缺省值是None,则意味着是可选的;否则,它就是必须的。
3、参数声明
我们用声明路径参数和请求参数同样的方式来声明Request Body参数。
from fastapi import FastAPI from pydantic import BaseModel class Item(BaseModel): name: str description: str = None price: float tax: float = None app = FastAPI() @app.post("/items/") async def create_item(item: Item): return item
通过以上的几个环节,FastAPI就实现了以下功能:
(1)、从Request中解析出Body内容,并且输出格式为JSON。
(2)、如果需要,进行相应的数据类型转换。
(3)、校验数据,如果校验失败则返回详细错误信息。
(4)、通过声明的参数对象来接收最终数据内容。
4、使用数据模型
你可以直接访问数据模型的所有属性。
from fastapi import FastAPI
from pydantic import BaseModel
class Item(BaseModel):
name: str
description: str = None
price: float
tax: float = None
app = FastAPI()
@app.post("/items/")
async def create_item(item: Item):
item_dict = item.dict()
if item.tax:
price_with_tax = item.price + item.tax
item_dict.update({"price_with_tax": price_with_tax})
return item_dict
5、Request Body参数、路径参数、请求参数
你可以同时声明Request Body参数、路径参数、请求参数这几种不同类型的参数。
FastAPI会自动识别不同类型的参数,并且赋予参数对象正确的数据内容。
from fastapi import FastAPI from pydantic import BaseModel class Item(BaseModel): name: str description: str = None price: float tax: float = None app = FastAPI() @app.put("/items/{item_id}") async def create_item(item_id: int, item: Item, q: str = None): result = {"item_id": item_id, **item.dict()} if q: result.update({"q": q}) return result
函数参数按照如下的顺序进行识别匹配:
(1)、如果这个参数已经在路径中被声明过,那么它就是一个路径参数。
(2)、如果这个参数的类型是单类型的(如str、float、int、bool等),那么它就是一个请求参数。
(3)、如果这个参数的类型是Pydantic数据模型,那么它就被认为是Request Body参数。
标签:Body,None,FastAPI,Request,item,参数,str,BaseModel 来源: https://www.cnblogs.com/mazhiyong/p/12902149.html