请求体 - 嵌套模型

使用 FastAPI，你可以很随意的实现模型的嵌套、定义、校验、记录文档，并使用任意深度嵌套的模型，这其实都是FastAPI的核心模块P一单提成进行做的。。

List 字段

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

我们来看下效果

现在tags，可以随便填写任意类型的数据，如果我们规定只能填写字符串，只需要稍微改变一下代码

tags: List[str] = []

现在来看下效果

Set 类型

set 类型与list的区别我们都知道，就是数据不能重复。改起来也是相当的容易，直接把List换成Set即可

tags: set[str] = set()

这样，即使你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。

嵌套模型

直接来看一个深度较大的嵌套代码示例吧

from typing import Unionfrom fastapi import FastAPI
from pydantic import BaseModel, HttpUrlapp = FastAPI()class Team(BaseModel):# 球队名称name: str# 所属区域：东部、西部area: strclass Player(BaseModel):# 所属球队team: Team# 球员名称name: strclass Hobby(BaseModel):name: strdescription: Union[str, None] = None# 分类category: strtax: Union[float, None] = None# 喜欢的球队名称teams: set[str] = set()# 喜欢的球员players: Union[list[Player], None] = Noneclass Fan(BaseModel):"""球迷"""# 球迷姓名name: strdescription: Union[str, None] = None# 年龄age: int# 爱好hobby: list[Hobby]@app.post("/fan/")
async def create_fan(fan: Fan):return fan

看看效果

纯列表请求体

官网的示例代码

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

总结

总结一下，FastAPI通过利用Python类型提示和Pydantic库的强大功能，使得处理嵌套模型变得简单易用。只需要定义好你的数据模型，FastAPI就能自动处理请求体的解析和验证，大大提高了开发效率。而实际上，在工作中 ，用到这种写法并不多。