fastapi教程翻译(四)：Request Body(请求体)

一、什么是请求体？

当您需要将数据从客户端（例如浏览器）发送到API时，可以将其作为 “请求体” 发送。

请求体是客户端发送到您的API的数据。 响应体是您的API发送给客户端的数据。

API几乎总是必须发送一个响应体，但是客户端并不需要一直发送请求体。

定义请求体，需要使用 Pydantic 模型。

• 不能通过GET请求发送请求体
• 发送请求体数据，必须使用以下几种方法之一：
  • POST (最常见),
  • PUT
  • DELETE
  • PATCH.

二、导入Pydantic's的 BaseModel

定义模型

• 1. 你需要从pydantic中导入BaseModel

import BaseModel from pydantic

三、创建数据模型

• 然后，声明你的数据模型为一个类，且该类继承 BaseModel.

所有的属性都用标准Python类

from pydantic import BaseModel

class Item(BaseModel):
    name: str 
    description: str = None
    price: float tax: float = None 

和Query参数一样：数据类型的属性如果不是必须的话，可以拥有一个默认值。否则，该属性就是必须的。

• 可以使用None让这个属性变为可选的。

例如，上面的模型Item声明了一个JSON对象（或Pythondict），例如:

{
    "name": "Foo",
    "description": "An optional description",
    "price": 45.2,
    "tax": 3.5
}

...description和tax属性是可选的(因为有默认值None)，所以下面这个JSON对象也是有效的：

{
    "name": "Foo",
    "price": 45.2
}

四、将模型定义为参数

将上面定义的模型添加到你的路径操作中，就和定义Path和Query参数一样的方式：

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

...声明参数的类型为你创建的模型 Item.

五、使用 Request Body 的好处

通过那样定义Python 类型为pydantic的model，FastAPI 将会:

• 将读取请求的正文读取为JSON类型。
• 转换相应的类型（如果需要）。
• 验证数据。

如果数据无效，它将返回一个清晰的错误，指出错误数据的确切位置和来源.

• 在参数item中为您提供接收的数据。

当您在函数中将其声明为Item类型时，您还将获得Item所有属性及其类型的所有编辑器支持（自动补全等）。
*为您的模型生成 JSON Schema 定义，如果对您的项目有意义，您还可以在其他任何喜欢的地方使用它们。

• 这些Schemas将是生成的OpenAPI Schema的一部分，并由自动文档UI使用

六、自动文档

模型的 JSON Schema 将成为OpenAPI生成模式的一部分，并将显示在交互式API文档中：

并且还将在需要它们的每个路径操作的API文档中使用：

七、编辑器支持

在你的编辑器中，编写的函数中，你将会获得类型提示和补全：

注意：如果你接收的是一个dict，而不是一个Pydantic model将不会获得提示和补全。

您也会获得类型操作错误检查：

这并非偶然，整个框架都是围绕该设计构建的。

并且在进行任何完善之前，都要在设计阶段进行全面测试，以确保它可以与所有编辑器一起使用。

Pydantic本身甚至进行了一些更改以支持此操作。

之前的屏幕截图是使用Visual Studio Code 拍摄的。

但是您可以通过PyCharm 和大多数其他Python编辑器获得相同的编辑器支持：

八、使用这个模型

在函数内部，您可以直接访问模型对象的所有属性：

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

九、Request body + path 参数

你可以同时定义Path参数和请求体参数.

FastAPI 将:

• 识别出与路径参数相匹配的功能参数应从路径中获取
• 声明为Pydantic模型的功能参数应从请求主体中获取。

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
):
    return {"item_id": item_id, **item.dict()}

十、Request body + path + query 参数

你可以同时定义Path参数、Query参数 和 请求体参数.

** FastAPI **将识别它们中的每一个并从正确的位置获取数据。

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

FastAPI识别过程：

• 如果在 path中也声明了该参数，它将用作path参数。
• 如果参数是 单一类型（例如int，float，str，str，bool等），它将被解释为 query参数。
  如果参数声明为Pydantic模型*的类型，则它将被解释为 请求体。