FastAPI教程I

本文参考FastAPI教程https://fastapi.tiangolo.com/zh/tutorial

第一步

import uvicorn
from fastapi import FastAPIapp = FastAPI()@app.get("/")
async def root():return {"message": "Hello World"}if __name__ == '__main__':uvicorn.run("test:app", host="127.0.0.1", port=8000, reload=True)

$ uvicorn main:app --reload

导入FastAPI：FastAPI是一个为你的API提供了所有功能的Python类
app = FastAPI()创建一个FastAPI实例，这个实例将是创建你所有API的主要交互对象。这个app同样在如下命令中被uvicorn所引用。
创建一个路径操作。
【路径】：这里的【路径】指的是从URL中第一个/起的后半部分，比如在https://example.com/items/foo中，路径是/items/foo，【路径】也通常被称为【端点】或【路由】。
【操作】：这里的【操作】是指一种HTTP【方法】，如POST——创建数据,GET——读取数据,PUT——更新数据,DELETE——删除数据，以及更少见的几种OPTIONS,HEAD,PATCH,TRACE，在HTTP协议中，你可以使用以上的其中一种（或多种）【方法】与每个路径进行通信。
定义一个路径操作装饰器：@app.get("/")告诉FastAPI在它下方的函数负责处理如下访问请求：请求路径为/，使用get操作。（@something语法在Python中被称为【装饰器】，接收位于其下方的函数并且用它完成一些工作，这里是路径操作装饰器。）
定义路径操作函数：位于路径操作装饰器下的函数，这里是async def root()，这个例子用的是async函数，其作用在后面讲。
返回内容：可以返回一个dict、list，像str、int一样的值，等等。还可以返回Pydanic模型（后面会说），还有许多其他将会自动转换为JSON的对象和模型（包括ORM对象等）。

查看运行结果

打开浏览器访问 http://127.0.0.1:8000。讲看到如下的JSON相应：

{"message": "Hello World"}

交互式API文档

跳转到 http://127.0.0.1:8000/docs。你将会看到自动生成的交互式API文档（由Swagger UI提供）。

可选的API文档

前往 http://127.0.0.1:8000/redoc。你将会看到可选的自动生成文档（由ReDoc提供）。

路径参数

FastAPI支持以下路径模板语法定义动态路由，声明路径参数（变量）：

import uvicorn
from fastapi import FastAPIapp = FastAPI()@app.get("/items/{item_id}/{go}")
async def read_item(go):return {"item_id": go}if __name__ == '__main__':uvicorn.run("test:app", host="127.0.0.1", port=8000, reload=True)

这段代码声明了相应位置上的路径参数item_id和go，并把go的值传递给路径函数的参数go。

运行示例并访问http://127.0.0.1:8000/items/para1/para2可获得如下相应：

{"item_id":"para2"}

声明路径参数的类型

使用Python标准类型注释，声明路径操作函数中路径参数的类型。

from fastapi import FastAPIapp = FastAPI()@app.get("/items/{item_id}")
async def read_item(item_id: int):return {"item_id": item_id}

上例把item_id的类型声明为int。

检查：类型声明将为函数提供错误检查、代码补全等编辑器支持

数据转换

运行上述声明item_id的类型为int的例子并访问 http://127.0.0.1:8000/items/3，返回的相应如下：

{"item_id":3}

可见，函数接收并返回的值是3（int），不是"3"（str）。FastAPI通过类型声明自动解析请求中的数据。

数据校验

如果通过浏览器访问http://127.0.0.1:8000/items/foo，将会接收如下HTTP错误信息：

{"detail": [{"type": "int_parsing","loc": ["path","item_id"],"msg": "Input should be a valid integer, unable to parse string as an integer","input": "foo"}]
}

因为路径参数item_id的值（"foo"）的类型不是int。

检查：FastAPI使用Python类型声明实现了数据校验，上面的错误清晰的指出了未通过校验的具体原因，这在开发调试与API交互的代码时非常有用。

查看文档

访问 http://127.0.0.1:8000/docs，查看自动生成的 API 文档：

Pydantic

FastAPI可以充分利用Pydanic的优势，用它在后台校验数据。

路径操作的顺序

from fastapi import FastAPIapp = FastAPI()@app.get("/users/me")
async def read_user_me():return {"user_id": "the current user"}@app.get("/users/{user_id}")
async def read_user(user_id: str):return {"user_id": user_id}

/users/me和/users/{user_id}不能反过来，否则/users/me的路径会被/users/{user_id}接收。

预设值

路径操作使用Python的Enum类型接收预设的路径参数。

from enum import Enumfrom fastapi import FastAPIclass ModelName(str, Enum):alexnet = "alexnet"resnet = "resnet"lenet = "lenet"app = FastAPI()@app.get("/models/{model_name}")
async def get_model(model_name: ModelName):if model_name is ModelName.alexnet:return {"model_name": model_name, "message": "Deep Learning FTW!"}if model_name.value == "lenet":return {"model_name": model_name, "message": "LeCNN all the images"}return {"model_name": model_name, "message": "Have some residuals"}

导入Enum并创建继承自str和Enum的子类。通过从str继承，API文档就能把值的类型定义为字符串，并且能正确渲染。然后创建包含固定值的类属性，这些固定值是可用的有效值。
使用Enum类（ModelName）创建使用类型注解的路径参数。
API文档会显示预定义路径参数的可用值。
使用Python枚举类型：路径参数的值是枚举的元素。枚举类ModelName中的枚举元素支持比较操作（if model_name is ModelName.alexnet），使用model_name.value获取枚举值。
返回枚举元素：即使嵌套在JSON请求体里（例如，dict），也可以从路径操作返回枚举元素。

包含路径的路径参数

from fastapi import FastAPIapp = FastAPI()@app.get("/files/{file_path:path}")
async def read_file(file_path: str):return {"file_path": file_path}

参数名为file_path，结尾部分的:path说明该参数应匹配路径。

查询参数

声明的参数不是路径参数时，路径操作函数会把该参数自动解释为查询参数。

from fastapi import FastAPIapp = FastAPI()fake_items_db = [{"item_name": "Foo"}, {"item_name": "Bar"}, {"item_name": "Baz"}]@app.get("/items/")
async def read_item(skip: int = 0, limit: int = 10):return fake_items_db[skip : skip + limit]

查询字符串是键值对的集合，这些键值对位于URL的?之后，以&分隔。
例如，以下URL中：

http://127.0.0.1:8000/items/?skip=0&limit=2

查询参数为：skip: 0，limit: 2
这些值都是URL的组成部分，因此它们的类型本应是字符串。
但声明Python类型（上例中为int）之后，这些值就会转换为声明的类型，并进行类型校验。
所有应用于路径参数的流程也适用于查询参数。

默认值

查询参数由默认值，如上例。
可以进行如下URL访问：

http://127.0.0.1:8000/items/
http://127.0.0.1:8000/items/?skip=0&limit=10
http://127.0.0.1:8000/items/?skip=20

可选参数

把默认值设为None即可声明可选的查询参数：

from fastapi import FastAPIapp = FastAPI()@app.get("/items/{item_id}")
async def read_item(item_id: str, q: str | None = None):if q:return {"item_id": item_id, "q": q}return {"item_id": item_id}

检查：注意，FastAPI 可以识别出 item_id 是路径参数，q 不是路径参数，而是查询参数。

查询参数类型转换

FastAPI会自动转换参数类型：

from typing import Unionfrom fastapi import FastAPIapp = FastAPI()@app.get("/items/{item_id}")
async def read_item(item_id: str, q: Union[str, None] = None, short: bool = False):item = {"item_id": item_id}if q:item.update({"q": q})if not short:item.update({"description": "This is an amazing item that has a long description"})return item

在本例中访问：

http://127.0.0.1:8000/items/foo?short=1

或

http://127.0.0.1:8000/items/foo?short=True

或short=on，short=true，short=yes或其它任意大小写形式，函数接收到的short参数都是布尔值True。False同理（0，false，off，no）。

多个路径和查询参数

FastAPI可以识别同时声明的多个路径参数和查询参数，而且声明查询参数的顺序并不重要，FastAPI通过参数名进行检测：

from typing import Unionfrom fastapi import FastAPIapp = FastAPI()@app.get("/users/{user_id}/items/{item_id}")
async def read_user_item(user_id: int, item_id: str, q: Union[str, None] = None, short: bool = False
):item = {"item_id": item_id, "owner_id": user_id}if q:item.update({"q": q})if not short:item.update({"description": "This is an amazing item that has a long description"})return item

把不是路径参数的参数（至此只有查询参数）声明为默认值，或者是吧默认值设为None，这样参数就不是必选的，否则是必选的。

上述代码可以用以下URL进行测试：

http://127.0.0.1:8000/users/2/items/item_id?q=test&short=0

将会得到这样的相应：

{"item_id":"item_id","owner_id":2,"q":"test","description":"This is an amazing item that has a long description"}

再比如：

from typing import Unionfrom fastapi import FastAPIapp = FastAPI()@app.get("/items/{item_id}")
async def read_user_item(item_id: str, needy: str, skip: int = 0, limit: Union[int, None] = None
):item = {"item_id": item_id, "needy": needy, "skip": skip, "limit": limit}return item

上例中有3个查询参数：needy，必选的str类型参数，skip，默认值为0的int类型参数，limit，可选的int类型参数。

请求体

FastAPI使用请求体从客户端（例如浏览器）向API发送数据。

请求体是客户端发送给API的数据。响应体是API发送给客户端的数据。

API基本上肯定要发送响应体，但是客户端不一定发送请求体。

使用Pydantic模型声明请求体，能充分利用它的功能和优点。

使用Pydantic声明请求体

from fastapi import FastAPI
from pydantic import BaseModelclass Item(BaseModel):name: strdescription: str | None = Noneprice: floattax: float | None = Noneapp = FastAPI()@app.post("/items/")
async def create_item(item: Item):return item

步骤如下：

从pydantic中导入BaseModel
创建数据类型：把数据模型声明为继承BaseModel的类。使用Python标准类型声明所有属性。
声明请求体参数：使用与声明路径和查询参数相同的方式声明请求体，把请求体添加至路径操作，@app.post()及其下面的函数async def create_item(item: Item):...，此处请求体参数的类型为Item类型。

使用如下代码进行测试：

import requests# 定义请求的 JSON 数据
item_data = {"name": "Item1","description": "This is item 1","price": 19.99,"tax": 2.00
}# 发送 POST 请求
response = requests.post("http://localhost:8000/items/", json=item_data)# 打印返回的 JSON 数据
print(response.json())

可以看到，FastAPI接收来自测试代码的请求，返回：

{'name': 'Item1', 'description': 'This is item 1', 'price': 19.99, 'tax': 2.0}

结论

仅使用Python类型声明，FastAPI就可以

以JSON形式读取请求体
（在必要时）把请求体转换为对应的类型
校验数据：数据无效时返回错误信息，并指出错误数据的确切位置和内容
把接收的数据赋值给参数item
为模型生成JSON Schema，在项目中所需的位置使用

使用模型

在路径操作函数内部直接访问模型对象的属性：

from fastapi import FastAPI
from pydantic import BaseModelclass Item(BaseModel):name: strdescription: str | None = Noneprice: floattax: float | None = Noneapp = FastAPI()@app.post("/items/")
async def create_item(item: Item):item_dict = item.dict()if item.tax:price_with_tax = item.price + item.taxitem_dict.update({"price_with_tax": price_with_tax})return item_dict

用测试代码测试结果如下：

{'description': 'Mechanical keyboard','name': 'Keyboard','price': 49.99,'price_with_tax': 54.99,'tax': 5.0}

请求体+路径参数

FastAPI支持同时声明路径参数和请求体。

FastAPI能识别与路径参数匹配的函数参数，还能识别从请求体中获取的类型为Pydantic模型的函数参数。

from fastapi import FastAPI
from pydantic import BaseModelclass Item(BaseModel):name: strdescription: str | None = Noneprice: floattax: float | None = Noneapp = FastAPI()@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item):return {"item_id": item_id, **item.dict()}

使用如下测试代码发送PUT请求：

import requests
from pprint import pprint# 定义要发送的 JSON 数据，符合 Item 模型的定义
item_data = {"name": "Mouse","description": "Wireless mouse","price": 19.99,"tax": 1.50
}# 定义要更新的 item_id
item_id = 1# 发送 PUT 请求
response = requests.put(f"http://localhost:8000/items/{item_id}", json=item_data)# 打印返回的 JSON 数据
pprint(response.json())

返回结果为：

{'description': 'Wireless mouse','item_id': 1,'name': 'Mouse','price': 19.99,'tax': 1.5}

请求体+路径参数+查询参数

FastAPI支持同时声明请求体、路径参数和查询参数。

from fastapi import FastAPI
from pydantic import BaseModelclass Item(BaseModel):name: strdescription: str | None = Noneprice: floattax: float | None = Noneapp = FastAPI()@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item, q: str | None = None):result = {"item_id": item_id, **item.dict()}if q:result.update({"q": q})return result

函数参数按如下规则进行识别：

路径中声明了相同参数的参数，是路径参数
类型是（int,float,str,bool等）单类型的参数，是查询参数
类型是Pydantic模型的参数，是请求体

使用如下测试代码：

import requests
from pprint import pprint# 定义要发送的 JSON 数据，符合 Item 模型的定义
item_data = {"name": "Keyboard","description": "Mechanical keyboard","price": 49.99,"tax": 5.00
}# 定义要更新的 item_id
item_id = 1# 定义查询参数 q
q_param = "example"# 发送 PUT 请求
response = requests.put(f"http://localhost:8000/items/{item_id}?q={q_param}", json=item_data)# 打印返回的 JSON 数据
pprint(response.json())

可得到返回结果：

{'description': 'Mechanical keyboard','item_id': 1,'name': 'Keyboard','price': 49.99,'q': 'example','tax': 5.0}

查询参数和字符串校验

FastAPI允许你为参数声明额外的信息和校验。
以下面的应用程序为例：

from fastapi import FastAPIapp = FastAPI()@app.get("/items/")
async def read_items(q: str | None = None):results = {"items": [{"item_id": "Foo"}, {"item_id": "Bar"}]}if q:results.update({"q": q})return results

查询参数q的类型为str，默认值为None，因此它是可选的。

额外的校验

我们打算添加约束条件：即使q是可选的，但只要提供了该参数，则该参数值不能超过50个字符的长度

具体步骤如下：

导入Query：首先从fastapi导入Query。
使用Query作为默认值：将Query用作查询参数的默认值，并将它的max_length参数设置为50，由于我们必须用Query(default=None)替换默认值None，Query的第一个参数同样是用于定义默认值。

from typing import Unionfrom fastapi import FastAPI, Queryapp = FastAPI()@app.get("/items/")
async def read_items(q: Union[str, None] = Query(default=None, max_length=50)):results = {"items": [{"item_id": "Foo"}, {"item_id": "Bar"}]}if q:results.update({"q": q})return results

添加更多的校验

还可以添加min_length参数
还可以添加正则表达式：定义一个参数值必须匹配的正则表达式

from typing import Unionfrom fastapi import FastAPI, Queryapp = FastAPI()@app.get("/items/")
async def read_items(q: Union[str, None] = Query(default=None, min_length=3, max_length=50, pattern="^fixedquery$"),
):results = {"items": [{"item_id": "Foo"}, {"item_id": "Bar"}]}if q:results.update({"q": q})return results

声明为必需参数

当我们不需要声明额外的校验或元数据时，只需不声明默认值就可以使q参数成为必需参数，如：

q: str

但是我们现在正在用Query声明它，如：

q: Union[str, None] = Query(default=None, min_length=3)

因此，当你在使用Query且需要声明一个值是必需的时，只需不声明默认参数：

from fastapi import FastAPI, Queryapp = FastAPI()@app.get("/items/")
async def read_items(q: str = Query(min_length=3)):results = {"items": [{"item_id": "Foo"}, {"item_id": "Bar"}]}if q:results.update({"q": q})return results

显式声明必需参数的方法

使用(...)声明：q: str = Query(default=..., min_length=3)
可以声明None为一个有效的类型，仍是必需参数：q: Union[str, None] = Query(default=..., min_length=3)
使用Pydantic中的Required代替省略号...：from pydantic import Required，q: str = Query(default=Required, min_length=3)

大多数情况，隐式省略default参数就够了，通常不必使用显式声明...或Required

查询参数列表/多个值

当你使用Query显式地定义查询参数时，你还可以声明它去接收一组值，或换句话来说，接收多个值。

例如，要声明一个可在URL中出现多次的查询参数q，可以这样写：

from typing import List, Unionfrom fastapi import FastAPI, Queryapp = FastAPI()@app.get("/items/")
async def read_items(q: Union[List[str], None] = Query(default=None)):query_items = {"q": q}return query_items

然后输入以下网址：

http://localhost:8000/items/?q=foo&q=bar

你会在路径操作函数的函数参数q中以一个Pythonlist的形式接收到查询参数q的多个值：

{"q":["foo","bar"]}

要声明类型为list的查询参数，需要显式地使用Query，否则该参数将被解释为请求体

具有默认值的查询参数列表/多个值

可以给定默认list值：

from typing import Listfrom fastapi import FastAPI, Queryapp = FastAPI()@app.get("/items/")
async def read_items(q: List[str] = Query(default=["foo", "bar"])):query_items = {"q": q}return query_items

q: List[str] = Query(default=["foo", "bar"])也可以使用list代替，这样不会检查列表的内容，如q: list = Query(default=[])。

声明更多元数据

你可以添加更多有关该参数的信息。
这些信息将包含在生成的OpenAPI模式中，并由文档用户界面和外部工具所使用。

添加title：

from typing import Unionfrom fastapi import FastAPI, Queryapp = FastAPI()@app.get("/items/")
async def read_items(q: Union[str, None] = Query(default=None, title="Query string", min_length=3),
):results = {"items": [{"item_id": "Foo"}, {"item_id": "Bar"}]}if q:results.update({"q": q})return results

添加description：

from typing import Unionfrom fastapi import FastAPI, Queryapp = FastAPI()@app.get("/items/")
async def read_items(q: Union[str, None] = Query(default=None,title="Query string",description="Query string for the items to search in the database that have a good match",min_length=3,),
):results = {"items": [{"item_id": "Foo"}, {"item_id": "Bar"}]}if q:results.update({"q": q})return results

别名参数（alias）

假设你想要查询参数为item-query，如下：

http://127.0.0.1:8000/items/?item-query=foobaritems

但是item-query不是一个有效的Python变量名称，这时可以用alias参数声明一个别名，该别名将用于在URL中查找查询参数值：

from typing import Unionfrom fastapi import FastAPI, Queryapp = FastAPI()@app.get("/items/")
async def read_items(q: Union[str, None] = Query(default=None, alias="item-query")):results = {"items": [{"item_id": "Foo"}, {"item_id": "Bar"}]}if q:results.update({"q": q})return results

弃用参数（deprecated）

假设你不再喜欢该参数。

你不得不将其保留一段时间，因为有些客户端正在使用它，但你希望文档清楚地将其展示为已弃用。

那么将deprecated=True传入Query：

from typing import Unionfrom fastapi import FastAPI, Queryapp = FastAPI()@app.get("/items/")
async def read_items(q: Union[str, None] = Query(default=None,alias="item-query",title="Query string",description="Query string for the items to search in the database that have a good match",min_length=3,max_length=50,pattern="^fixedquery$",deprecated=True,),
):results = {"items": [{"item_id": "Foo"}, {"item_id": "Bar"}]}if q:results.update({"q": q})return results

文档会像下面这样展示它：
在这里插入图片描述

总结

你可以为查询参数声明额外的校验和元数据。
通用的校验和元数据：

alias
title
description
deprecated

特定于字符串的校验：

min_length
max_length
regex

路径参数和数值校验

与使用Query为查询参数声明更多的校验和元数据的方式相同，你也可以使用Path为路径参数声明相同类型的校验和元数据。

具体步骤如下：

导入Path：首先从fastapi导入Path
声明元数据：可以声明与Query相同的所有参数，例如，要声明路径参数item_id的title元数据值，可以输入item_id: Annotated[int, Path(title="The ID of the item to get")]

from typing import Annotatedfrom fastapi import FastAPI, Path, Queryapp = FastAPI()@app.get("/items/{item_id}")
async def read_items(item_id: Annotated[int, Path(title="The ID of the item to get")],q: Annotated[str | None, Query(alias="item-query")] = None,
):results = {"item_id": item_id}if q:results.update({"q": q})return results

路径参数总是必需的。

按需对参数排序

假设你想要声明一个必需的str类型查询参数q。
而且你不需要为该参数声明任何其他内容，所以实际上并不需要使用Query。
但是你仍然需要使用Path来声明路径参数item_id。
如果你将带有【默认值】的参数放在没有【默认值】的参数之前，Python将会报错。
但是你可以对其重新排序，并将不带默认值的值（查询参数q）放到最前面。
对FastAPI来说这无关紧要。它将通过参数的名称、类型和默认值声明（Query、Path等）来检测参数，而不在乎参数的顺序。

因此可以将函数声明为：

from fastapi import FastAPI, Pathapp = FastAPI()@app.get("/items/{item_id}")
async def read_items(q: str, item_id: int = Path(title="The ID of the item to get")):results = {"item_id": item_id}if q:results.update({"q": q})return results

还可以用*表示后面的所有参数作为关键字参数，也被称为kwargs来调用，即使它们没有默认值：

from fastapi import FastAPI, Pathapp = FastAPI()@app.get("/items/{item_id}")
async def read_items(*, item_id: int = Path(title="The ID of the item to get"), q: str):results = {"item_id": item_id}if q:results.update({"q": q})return results

数值校验

使用Query和Path（以及后面的其他类）可以声明字符串约束，也可以声明数值约束。如下，添加ge=1后，item_id将必须是一个大于（greater than）或等于（equal）1的整数。

大于等于

from fastapi import FastAPI, Pathapp = FastAPI()@app.get("/items/{item_id}")
async def read_items(*, item_id: int = Path(title="The ID of the item to get", ge=1), q: str
):results = {"item_id": item_id}if q:results.update({"q": q})return results

大于：gt（greater than）
小于等于：le（less than or equal）

from fastapi import FastAPI, Pathapp = FastAPI()@app.get("/items/{item_id}")
async def read_items(*,item_id: int = Path(title="The ID of the item to get", gt=0, le=1000),q: str,
):results = {"item_id": item_id}if q:results.update({"q": q})return results

浮点数：数值校验同样适用于float值。

请求体-多个参数

既然我们已经知道了如何使用Path和Query，下面让我们来了解一下请求体声明的更高级用法。

混合使用`Path`、`Query`和请求体参数

你可以随意混合使用Path、Query和请求体参数声明。
你还可以通过将默认值设置为None来将请求体参数声明为可选参数：

from typing import Annotatedfrom fastapi import FastAPI, Path
from pydantic import BaseModelapp = FastAPI()class Item(BaseModel):name: strdescription: str | None = Noneprice: floattax: float | None = None@app.put("/items/{item_id}")
async def update_item(item_id: Annotated[int, Path(title="The ID of the item to get", ge=0, le=1000)],q: str | None = None,item: Item | None = None,
):results = {"item_id": item_id}if q:results.update({"q": q})if item:results.update({"item": item})return results

多个请求体参数

from fastapi import FastAPI
from pydantic import BaseModelapp = FastAPI()class Item(BaseModel):name: strdescription: str | None = Noneprice: floattax: float | None = Noneclass User(BaseModel):username: strfull_name: str | None = None@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item, user: User):results = {"item_id": item_id, "item": item, "user": user}return results

在上面的情况下，FastAPI将注意到该函数中有多个请求体参数（两个Pydantic模型参数）。因此，它将使用参数名称作为请求体中的键（字段名称），并期望一个类似于以下内容的请求体：

{"item": {"name": "Foo","description": "The pretender","price": 42.0,"tax": 3.2},"user": {"username": "dave","full_name": "Dave Grohl"}
}

FastAPI将自动对请求中的数据进行转换，因此item参数将接收指定的内容，user参数也是如此。它将执行对复合数据的校验，并且像现在这样为OpenAPI模式和自动化文档对其进行记录。

请求体中的单一值（Body）

与使用Query和Path为查询参数和路径参数定义额外数据的方式相同，FastAPI提供了一个同等的Body，例如上面的模型，除了item和user之外，还想在同一请求体中具有另一个键importance，如果按原样来声明它，因为它是一个单一值，FastAPI将假定它是一个查询参数。但是你可以使用Body指示FastAPI将其作为请求体的另一个键进行处理。

from typing import Annotatedfrom fastapi import Body, FastAPI
from pydantic import BaseModelapp = FastAPI()class Item(BaseModel):name: strdescription: str | None = Noneprice: floattax: float | None = Noneclass User(BaseModel):username: strfull_name: str | None = None@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item, user: User, importance: Annotated[int, Body()]
):results = {"item_id": item_id, "item": item, "user": user, "importance": importance}return results

在这种情况下，FastAPI将期望这样的请求体：

{"item": {"name": "Foo","description": "The pretender","price": 42.0,"tax": 3.2},"user": {"username": "dave","full_name": "Dave Grohl"},"importance": 5
}

多个请求体参数和查询参数

除了请求体参数外，你还可以在任何需要的时候声明额外的查询参数。
由于默认情况下单一值被解释为查询参数，因此你不必显式地添加Query。

from typing import Annotatedfrom fastapi import Body, FastAPI
from pydantic import BaseModelapp = FastAPI()class Item(BaseModel):name: strdescription: str | None = Noneprice: floattax: float | None = Noneclass User(BaseModel):username: strfull_name: str | None = None@app.put("/items/{item_id}")
async def update_item(*,item_id: int,item: Item,user: User,importance: Annotated[int, Body(gt=0)],q: str | None = None,
):results = {"item_id": item_id, "item": item, "user": user, "importance": importance}if q:results.update({"q": q})return results

嵌入单个请求体参数（Body(embed=True)）

假设你只有一个来自Pydantic模型Item的请求体参数item。
默认情况下，FastAPI将直接期望这样的请求体。
但是，如果你希望它期望一个拥有item键并在值中包含模型内容的JSON，就像在声明额外的请求体参数时所做的那样，则可以使用一个特殊的Body参数embed：

item: Item = Body(embed=True)

from typing import Annotatedfrom fastapi import Body, FastAPI
from pydantic import BaseModelapp = FastAPI()class Item(BaseModel):name: strdescription: str | None = Noneprice: floattax: float | None = None@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Annotated[Item, Body(embed=True)]):results = {"item_id": item_id, "item": item}return results

在这种情况下，FastAPI将期望像这样的请求体：

{"item": {"name": "Foo","description": "The pretender","price": 42.0,"tax": 3.2}
}

而不是：

{"name": "Foo","description": "The pretender","price": 42.0,"tax": 3.2
}

总结

你可以添加多个请求体参数到路径操作函数中，即使一个请求只能有一个请求体。

但是 FastAPI 会处理它，在函数中为你提供正确的数据，并在路径操作中校验并记录正确的模式。

你还可以声明将作为请求体的一部分所接收的单一值。

你还可以指示 FastAPI 在仅声明了一个请求体参数的情况下，将原本的请求体嵌入到一个键中。

请求体-字段（Field）

与在路径操作函数中使用Query、Path、Body声明校验与元数据的方式一样，可以使用Pydantic的Field在Pydantic模型内部声明校验和元数据。

具体步骤如下：

导入Field：首先从Pydantic中导入Field。
声明模型属性：使用Field定义模型的属性。

from typing import Annotatedfrom fastapi import Body, FastAPI
from pydantic import BaseModel, Fieldapp = FastAPI()class Item(BaseModel):name: strdescription: str | None = Field(default=None, title="The description of the item", max_length=300)price: float = Field(gt=0, description="The price must be greater than zero")tax: float | None = None@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Annotated[Item, Body(embed=True)]):results = {"item_id": item_id, "item": item}return results

Field的工作方式和Query、Path、Body相同，参数也相同。

请求体-嵌套类型

使用FastAPI，你可以定义、校验、记录文档并使用任意深度嵌套的模型（归功于Pydantic）。

List字段

你可以将一个属性定义为拥有子元素的类型。例如Pythonlist：

from fastapi import FastAPI
from pydantic import BaseModelapp = FastAPI()class Item(BaseModel):name: strdescription: str | None = Noneprice: floattax: float | None = Nonetags: list = []@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item):results = {"item_id": item_id, "item": item}return results

这将使tags成为一个由元素组成的列表。不过它没有声明每个元素的类型。

具有子类型的List字段

但是Python有一种特定的方法来声明具有子类型的列表：

具体步骤如下：

声明具有子类型的List：从typing模块导入它们，使用方括号[和]将子类型作为【类型参数】传入。
在我们的示例中，我们可以将tags明确地指定为一个【字符串列表】。

from fastapi import FastAPI
from pydantic import BaseModelapp = FastAPI()class Item(BaseModel):name: strdescription: str | None = Noneprice: floattax: float | None = Nonetags: list[str] = []@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item):results = {"item_id": item_id, "item": item}return results

Set类型

标签不应该重复，所以用Set将tag声明为一个由str组成的set：

from fastapi import FastAPI
from pydantic import BaseModelapp = FastAPI()class Item(BaseModel):name: strdescription: str | None = Noneprice: floattax: float | None = Nonetags: set[str] = set()@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item):results = {"item_id": item_id, "item": item}return results

这样，即使收到带有重复数据的请求，这些数据也会被转换为一组唯一项。

而且，每当你输出该数据时，即使源数据有重复，它们也将作为一组唯一项输出。

并且还会被相应地标注/记录文档。

嵌套类型

Pydantic模型的每个属性都具有类型。但是这个类型本身可以是另一个Pydantic模型。因此，你可以声明拥有特定属性名称、类型和校验的深度嵌套的JSON对象。

例如：

定义一个Image模型
将Image模型用作一个属性的类型

from fastapi import FastAPI
from pydantic import BaseModelapp = FastAPI()class Image(BaseModel):url: strname: strclass Item(BaseModel):name: strdescription: str | None = Noneprice: floattax: float | None = Nonetags: set[str] = set()image: Image | None = None@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item):results = {"item_id": item_id, "item": item}return results

这意味着FastAPI将期望类似于以下内容的请求体：

{"name": "Foo","description": "The pretender","price": 42.0,"tax": 3.2,"tags": ["rock", "metal", "bar"],"image": {"url": "http://example.com/baz.jpg","name": "The Foo live"}
}

特殊的类型和校验

除了普通的单一值类型（如str、int、float等）外，你还可以使用从str继承的更复杂的单一值类型。

要了解所有的可用选项，查看来自Pydantic的外部类型的文档。

例如，在Image模型中我们有一个url字段，我们可以把它声明为Pydantic的HttpUrl，而不是str：

from fastapi import FastAPI
from pydantic import BaseModel, HttpUrlapp = FastAPI()class Image(BaseModel):url: HttpUrlname: strclass Item(BaseModel):name: strdescription: str | None = Noneprice: floattax: float | None = Nonetags: set[str] = set()image: Image | None = None@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item):results = {"item_id": item_id, "item": item}return results

该字符串将被检查是否为有效的URL，并在JSON Schema/OpenAPI文档中进行记录。

带有一组子模型的属性

你还可以将Pydantic模型用作list、set等的子模型：

from fastapi import FastAPI
from pydantic import BaseModel, HttpUrlapp = FastAPI()class Image(BaseModel):url: HttpUrlname: strclass Item(BaseModel):name: strdescription: str | None = Noneprice: floattax: float | None = Nonetags: set[str] = set()images: list[Image] | None = None@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item):results = {"item_id": item_id, "item": item}return results

这将期望（转换，校验，记录文档等）下面这样的JSON请求体：

{"name": "Foo","description": "The pretender","price": 42.0,"tax": 3.2,"tags": ["rock","metal","bar"],"images": [{"url": "http://example.com/baz.jpg","name": "The Foo live"},{"url": "http://example.com/dave.jpg","name": "The Baz"}]
}

深度嵌套模型

你可以定义任意深度的嵌套模型：

from typing import Unionfrom fastapi import FastAPI
from pydantic import BaseModel, HttpUrlapp = FastAPI()class Image(BaseModel):url: HttpUrlname: strclass Item(BaseModel):name: strdescription: Union[str, None] = Noneprice: floattax: Union[float, None] = Nonetags: set[str] = set()images: Union[list[Image], None] = Noneclass Offer(BaseModel):name: strdescription: Union[str, None] = Noneprice: floatitems: list[Item]@app.post("/offers/")
async def create_offer(offer: Offer):return offer

纯列表请求体

如果你期望的JSON请求体的最外层是一个JSONarray（即Python list），则可以在路径操作函数的参数中声明此类型，就像声明Pydantic模型一样：

images: List[Image]

例如：

from fastapi import FastAPI
from pydantic import BaseModel, HttpUrlapp = FastAPI()class Image(BaseModel):url: HttpUrlname: str@app.post("/images/multiple/")
async def create_multiple_images(images: list[Image]):return images

任意`dict`构成的请求体

你也可以将请求体声明为使用某类型的键和其他类型值的dict。
无需事先知道有效的字段/属性（在使用Pydantic模型的场景）名称是什么。
如果你想接收一些尚且未知的键，这将很有用。

其他有用的场景是当你想要接收其他类型的键时，例如int，如下，你将接受任意键为int类型并且值为float类型的dict：

from fastapi import FastAPIapp = FastAPI()@app.post("/index-weights/")
async def create_index_weights(weights: dict[int, float]):return weights

JSON仅支持将str作为键，但是Pydantic具有自动转换数据的功能。这意味着，即使你的API客户端只能将字符串作为键发送，只要这些字符串内容仅包含整数，Pydantic就会对其进行转换并校验。然后你接收的名为weights的dict实际上将具有int类型的键和float类型的值。

模式的额外信息-例子

你可以在JSON模式中定义额外的信息。
一个常见的用例是添加一个将在文档中显示的example。
有几种方法可以声明额外的JSON模式信息。

Pydantic `schema_extra`

你可以使用Config和schema_extra为Pydantic模型声明一个示例，如Pydantic文档：定制Schema中所述。

from fastapi import FastAPI
from pydantic import BaseModelapp = FastAPI()class Item(BaseModel):name: strdescription: str | None = Noneprice: floattax: float | None = Nonemodel_config = {"json_schema_extra": {"examples": [{"name": "Foo","description": "A very nice Item","price": 35.4,"tax": 3.2,}]}}@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item):results = {"item_id": item_id, "item": item}return results

这些额外的信息将按原样添加到输出的JSON模式中。

`Field`的附加参数

在Field，Path，Query，Body和其他你之后将会看到的工厂函数，你可以为JSON模式声明额外信息，你也可以通过给工厂函数传递其他的任意参数来给JSON模式声明额外信息，比如增加example：

from fastapi import FastAPI
from pydantic import BaseModel, Fieldapp = FastAPI()class Item(BaseModel):name: str = Field(examples=["Foo"])description: str | None = Field(default=None, examples=["A very nice Item"])price: float = Field(examples=[35.4])tax: float | None = Field(default=None, examples=[3.2])@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item):results = {"item_id": item_id, "item": item}return results

传递的那些额外参数不会添加任何验证，只会添加注释，用于文档的目的。

`Body`额外参数

from typing import Annotatedfrom fastapi import Body, FastAPI
from pydantic import BaseModelapp = FastAPI()class Item(BaseModel):name: strdescription: str | None = Noneprice: floattax: float | None = None@app.put("/items/{item_id}")
async def update_item(item_id: int,item: Annotated[Item,Body(examples=[{"name": "Foo","description": "A very nice Item","price": 35.4,"tax": 3.2,}],),],
):results = {"item_id": item_id, "item": item}return results

额外数据类型

到目前为止，一直在使用常见的数据类型，如：

int
float
str
bool
但是也可以使用更复杂的数据类型。

其他数据类型

UUID:
一种标准的 “通用唯一标识符” ，在许多数据库和系统中用作ID。
在请求和响应中将以 str 表示。
datetime.datetime:
一个 Python datetime.datetime.
在请求和响应中将表示为 ISO 8601 格式的 str ，比如: 2008-09-15T15:53:00+05:00.
datetime.date:
Python datetime.date.
在请求和响应中将表示为 ISO 8601 格式的 str ，比如: 2008-09-15.
datetime.time:
一个 Python datetime.time.
在请求和响应中将表示为 ISO 8601 格式的 str ，比如: 14:23:55.003.
datetime.timedelta:
一个 Python datetime.timedelta.
在请求和响应中将表示为 float 代表总秒数。
Pydantic 也允许将其表示为 “ISO 8601 时间差异编码”, 查看文档了解更多信息。
frozenset:
在请求和响应中，作为 set 对待：
在请求中，列表将被读取，消除重复，并将其转换为一个 set。
在响应中 set 将被转换为 list 。
产生的模式将指定那些 set 的值是唯一的 (使用 JSON 模式的 uniqueItems)。
bytes:
标准的 Python bytes。
在请求和响应中被当作 str 处理。
生成的模式将指定这个 str 是 binary “格式”。
Decimal:
标准的 Python Decimal。
在请求和响应中被当做 float 一样处理。
您可以在这里检查所有有效的pydantic数据类型: Pydantic data types.

例子

from datetime import datetime, time, timedelta
from typing import Annotated
from uuid import UUIDfrom fastapi import Body, FastAPIapp = FastAPI()@app.put("/items/{item_id}")
async def read_items(item_id: UUID,start_datetime: Annotated[datetime, Body()],end_datetime: Annotated[datetime, Body()],process_after: Annotated[timedelta, Body()],repeat_at: Annotated[time | None, Body()] = None,
):start_process = start_datetime + process_afterduration = end_datetime - start_processreturn {"item_id": item_id,"start_datetime": start_datetime,"end_datetime": end_datetime,"process_after": process_after,"repeat_at": repeat_at,"start_process": start_process,"duration": duration,}