路径参数、查询参数，和请求体混合

首先，我们需要导入所需的库。我们将使用FastAPI、Path和Annotated来处理路由和参数，并使用BaseModel和Union来自定义数据模型。

完整示例代码

from typing import Annotated, Unionfrom fastapi import FastAPI, Path
from pydantic import BaseModelapp = FastAPI()class Book(BaseModel):title: strauthor: Union[str, None] = Nonepages: int@app.put("/books/{book_id}")
async def update_book(book_id: Annotated[int, Path(title="The ID of the book to get", ge=0, le=1000)],q: Union[str, None] = None,book: Union[Book, None] = None,
):results = {"book_id": book_id}if q:results.update({"q": q})if book:results.update({"book": book})return results

代码分析

class Book(BaseModel):title: strauthor: Union[str, None] = Nonepages: int

定义一个自定义的数据模型类。在这个例子中，我们将创建一个名为Book的类，它包含以下字段：title（字符串）、author（字符串，可选）和pages（整数）：

接下来，我们定义一个带有查询参数和路径参数的路由。这个路由将用于更新一本书的信息：

@app.put("/books/{book_id}")
async def update_book(book_id: Annotated[int, Path(title="The ID of the book to get", ge=0, le=1000)],q: Union[str, None] = None,book: Union[Book, None] = None,
):results = {"book_id": book_id}if q:results.update({"q": q})if book:results.update({"book": book})return results

在这个例子中，我们定义了一个PUT请求的路由，其路径为"/books/{book_id}"。我们使用了Path对象来指定路径参数book_id的约束条件：大于等于0且小于等于1000。

我们还添加了一个名为q的查询参数，它可以是字符串或None。

最后，我们添加了一个名为book的参数，它可以是一个Book对象或None。这个参数允许用户在请求体中传递书籍的详细信息。

打开自动化测试文档，我们可以看到如下内容

发起请求进行测试

总结

通过使用FastAPI、Path和Annotated，你可以轻松地定义具有复杂参数的路由。同时，使用Pydantic的BaseModel可以让你更方便地定义数据模型并自动进行数据验证。

多个请求体

完整示例代码

from typing import Unionfrom fastapi import FastAPI, Body
from pydantic import BaseModelclass Product(BaseModel):name: strdescription: Union[str, None] = Noneprice: floattax: Union[float, None] = Noneclass Customer(BaseModel):username: strfull_name: Union[str, None] = Noneapp = FastAPI()@app.put("/products/{product_id}")
async def update_product(product_id: int, product: Product = Body(...), customer: Customer = Body(...)):results = {"product_id": product_id, "product": product, "customer": customer}return results

这段代码定义了一个FastAPI应用，该应用可以处理一个PUT请求，这个请求包含了商品信息和客户信息。下面是对这段代码的详细解释。

首先，我们导入了所需的库：

from typing import Unionfrom fastapi import FastAPI, Body
from pydantic import BaseModel

然后，我们定义了两个模型类：Product和Customer：

class Product(BaseModel):name: strdescription: Union[str, None] = Noneprice: floattax: Union[float, None] = Noneclass Customer(BaseModel):username: strfull_name: Union[str, None] = None

这两个类分别代表商品和客户。它们都是BaseModel的子类，这意味着它们可以被用于解析JSON数据。

接下来，我们创建了一个FastAPI应用实例：

app = FastAPI()

最后，我们编写了一个路由处理器函数：update_product：

@app.put("/products/{product_id}")
async def update_product(product_id: int, product: Product = Body(...), customer: Customer = Body(...)):results = {"product_id": product_id, "product": product, "customer": customer}return results

这个函数接收三个参数：商品ID、商品和客户。其中，商品和客户是通过Body装饰器从请求体中获取的。当客户端发起PUT请求到"/products/{product_id}"时，FastAPI会自动将请求体中的JSON数据转换为Product和Customer对象。

嵌套参数

from typing import Annotated, Unionfrom fastapi import Body, FastAPI
from pydantic import BaseModelapp = FastAPI()class Book(BaseModel):name: strdescription: Union[str, None] = Noneprice: floattax: Union[float, None] = None@app.put("/books/{book_id}")
async def update_book(book_id: int, book: Annotated[Book, Body(embed=True)]):results = {"book_id": book_id, "book": book}return results

效果