首页 > 其他分享 >FastAPI 参数体检RequestBody

FastAPI 参数体检RequestBody

时间：2023-09-12 09:44:44浏览次数：55  
标签：__ name FastAPI app RequestBody item str import 体检

一、概述

一般对于Request Body不会通过get提交，对于get提交的参数一般称为是查询参数。所以，如果是通过POTS,PUT等方式提交的参数信息，我们一般是放到Request Body来提交到我们的后端。

对于如何接收和校验请求体，FastApi提供的形式是使用：from pydantic import BaseModel

示例如下：

import uvicorn
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

if __name__ == '__main__':
    uvicorn.run(app='main:app', host="127.0.0.1", port=8000, reload=True, debug=True)

在上面的模型中，如果提交的Item它必须是怎么样的一个格式，比如name是必选字段，description是可选且默认为None, price是必选，且需要是float类型的，tax是可须且默认为None。

那客户端如何提交上面那些参数呐？

尝试提交参数什么都不写的情况下：

http://127.0.0.1:8000/items/

image-20230621140212938

使用JSON格式提交参数的情况下：

{
    "name":"Foo",
    "description":"An openfdsf",
    "price":45.4,
    "tax":3.5
}

image-20230621140308338

故意提交错误参数格式请求：

{
    "name":"Foo",
    "description":"An openfdsf",
    "price":"45abc",
    "tax":3.5
}

image-20230621140357522

Request Body 和 Query 和 Path的混合

在设计一些API过程中难免的可能也会需要综合遇到上述的一些混搭的组合，需要同时多个参数的提交和获取

那么我们通常接收这次参数的话一般怎么接收呐？

示例代码如：

import uvicorn
from fastapi import FastAPI, Path
from pydantic import BaseModel

app = FastAPI()

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

@app.put("/items/{item_id}")
async def update_item(
        *,
        item_id: int = Path(..., title="The ID of the item to get", ge=0, le=1000),
        q: str = None,
        item: Item = None,
):
    results = {"item_id": item_id}
    if q:
        results.update({"q": q})
    if item:
        results.update({"item": item})
    return results

if __name__ == '__main__':
    uvicorn.run(app='main:app', host="127.0.0.1", port=8000, reload=True, debug=True)

通过之前的学习，其实也很简单道理也还是一样，如上的示例请求的话：

url：

http://127.0.0.1:8000/items/1000?q=xiao

参数：

{
    "name":"Foo",
    "description":"An openfdsf",
    "price": 45.4,
    "tax":3.5
}

效果如下：

image-20230621140447716

多个Request Body的提交

更复杂的业务其实会存在多体的Boay的提交，之前做的商城下单里面，客户端有可能就会同时提交多个实体的对象信息到后端，如订单实体，地址实体，商品信息实体等。

那么在Fastapi如何接受多个Body实体呐？通常以前的话，在bottle,通常直接的request.body 或 request.json就可以获取客户端部提交的信息了。

在Fastapi假设客户端提交的参数是这样的形式：

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

那如何的接收处理呐？

import uvicorn
from fastapi import FastAPI, Path
from pydantic import BaseModel

app = FastAPI()

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

class User(BaseModel):
    username: str
    full_name: str = 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

if __name__ == '__main__':
    uvicorn.run(app='main:app', host="127.0.0.1", port=8000, reload=True, debug=True)

这种情况，其实就是客户端提交多个实体对象。那可以定义多个模型对象即可。fastapi它会自动帮你处理提取信息。

http://127.0.0.1:8000/items/1000

image-20230621140558147

如果另外再假设：

在Fastapi假设客户端提交的参数是这样的形式：

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

其实这种可能也不是不存在滴，那如何的读取解析importance参数呐？既然参数有Query 和 Path，当然也会有 Body 。

import uvicorn
from fastapi import Body, FastAPI
from pydantic import BaseModel

app = FastAPI()

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

class User(BaseModel):
    username: str
    full_name: str = None

@app.put("/items/{item_id}")
async def update_item(
        *, item_id: int, item: Item, user: User, importance: int = Body(..., gt=0)
):
    results = {"item_id": item_id, "item": item, "user": user, "importance": importance}
    return results

if __name__ == '__main__':
    uvicorn.run(app='main:app', host="127.0.0.1", port=8000, reload=True, debug=True)

上面的代码中我们引入了Body 并且在importance: int = Body(...)进行处理和提取：

image-20230621140634834

如果另外再假设,客户端提交的是一个单体对象内嵌的话，我们需要怎么处理？：

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

FastAPI提供了一个：

item: Item = Body(..., embed=True) 具体如下：
import uvicorn
from fastapi import Body, FastAPI
from pydantic import BaseModel

app = FastAPI()


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

@app.put("/items/{item_id}")
async def update_item(*, item_id: int, item: Item = Body(..., embed=True)):
    results = {"item_id": item_id, "item": item}
    return results

if __name__ == '__main__':
    uvicorn.run(app='main:app', host="127.0.0.1", port=8000, reload=True, debug=True)

请求示例如：

image-20230621140709410

如果另外再假设,客户端提交一个更复杂的嵌套模型的话，怎么办？麻蛋的 肯定也是会有这样的情况滴！ 嵌套里面有列表有实体。比如：

{
    "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"
    }
}

这时候，我们就需要所谓的子内嵌啦：

import uvicorn
from typing import Set

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()

class Image(BaseModel):
    url: str
    name: str

class Item(BaseModel):
    name: str
    description: str = None
    price: float
    tax: float = None
    tags: Set[str] = []
    image: Image = None

@app.put("/items/{item_id}")
async def update_item(*, item_id: int, item: Item):
    results = {"item_id": item_id, "item": item}
    return results

if __name__ == '__main__':
    uvicorn.run(app='main:app', host="127.0.0.1", port=8000, reload=True, debug=True)

如上代码，Item里面包含了Image，也包含了，tags类型的列表定义。

image-20230621140751206

MMP更深层的嵌套也是可以定义的如：

{
    "name":"Foo",
    "description":"The pretender",
    "price":42,
    "items":[
        {
            "name":"Foo",
            "description":"The pretender",
            "price":42,
            "tax":3.2,
            "tags":[
                "rock",
                "metal",
                "bar"
            ],
            "image":{
                "url":"http://example.com/baz.jpg",
                "name":"The Foo live"
            }
        },
        {
            "name":"Foo2",
            "description":"The 2",
            "price":422,
            "tax":3.2,
            "tags":[
                "rock",
                "metal",
                "bar"
            ],
            "image":{
                "url":"http://example.com/baz.jpg",
                "name":"The Foo live"
            }
        }
    ]
}

对应的解析为：

import uvicorn

from fastapi import FastAPI
from pydantic import BaseModel
from typing import List, Set

app = FastAPI()

class Image(BaseModel):
    url: str
    name: str

class Item(BaseModel):
    name: str
    description: str = None
    price: float
    tax: float = None
    tags: Set[str] = []
    # images: List[Image] = None
    image: Image = None

class Offer(BaseModel):
    name: str
    description: str = None
    price: float
    items: List[Item]

@app.post("/offers/")
async def create_offer(*, offer: Offer):
    return offer

if __name__ == '__main__':
    uvicorn.run(app='main:app', host="127.0.0.1", port=8000, reload=True, debug=True)

请求url

http://127.0.0.1:8000/offers

image-20230621140841250

Request Body的Field

Field字段的意思其实就是类似上面Query, Path，也同样给Body内的字段的信息添加相关的校验。

也就是说。通过Field来规范提交的Body参数信息。比如：

import uvicorn

from fastapi import Body, FastAPI
from pydantic import BaseModel, Field

app = FastAPI()

class Item(BaseModel):
    name: str
    description: str = Field(None, title="标题啊", description="错误提示文字啊", max_length=30)
    price: float = Field(..., gt=0, description="错误提示文字啊")
    tax: float = None

@app.put("/items/{item_id}")
async def update_item(*, item_id: int, item: Item = Body(..., embed=True)):
    results = {"item_id": item_id, "item": item}
    return results

if __name__ == '__main__':
    uvicorn.run(app='main:app', host="127.0.0.1", port=8000, reload=True, debug=True)

上面的意思就是和之前定义参数校验其实一样

正常情况：

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

    }
}

image-20230621140930259

异常情况：

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

    }
}

image-20230621140957394

其他数据类型的校验

对于数据格式的校验，通常，我们不止于

  • int
  • float
  • str
  • bool

但是提交参数不止于上述的几种格式，有时候比如是对手机号码的校验，有些时候是时间类型的校验等

其他类型：

其他数据类型¶ 以下是您可以使用的一些其他数据类型（来自官方文档）：

  • UUID:
    • 一个标准的“通用唯一标识符”，在许多数据库和系统中常见于ID。
    • 在请求和答复中，将表示为str.
  • datetime.datetime:
    • 一只Pythondatetime.datetime.
    • 在请求和答复中，将表示为str采用ISO 8601格式，如：2008-09-15T15:53:00+05:00.
  • datetime.date:
    • Pythondatetime.date.
    • 在请求和答复中，将表示为str采用ISO 8601格式，如：2008-09-15.
  • datetime.time:
    • 一只Pythondatetime.time.
    • 在请求和答复中，将表示为str采用ISO 8601格式，如：14:23:55.003.
  • datetime.timedelta:
    • 一只Pythondatetime.timedelta.
    • 在请求和答复中，将表示为float总秒数。
    • Pydantic还允许将其表示为“ISO 8601时间差异编码”，有关更多信息，请参阅文档。.
  • frozenset:
    • 在请求和答复中，将其视为set:
    • 在请求中，将读取列表，消除重复，并将其转换为set.
    • 在答复中，set将转换为list.
    • 生成的架构将指定set值是唯一的(使用JSONSchema的uniqueItems).
  • bytes:
    • 标准Pythonbytes.
    • 在请求和答复中将被视为str.
    • 生成的架构将指定它是str带着binary“格式”。
  • Decimal:
    • 标准PythonDecimal.
    • 在请求和响应中，处理方式与float.

所以我还可以使用其他类型来校验：

import uvicorn

from datetime import datetime, time, timedelta
from uuid import UUID

from fastapi import Body, FastAPI

app = FastAPI()


@app.put("/items/{item_id}")
async def read_items(
        item_id: UUID,
        start_datetime: datetime = Body(None),
        end_datetime: datetime = Body(None),
        repeat_at: time = Body(None),
        process_after: timedelta = Body(None),
):
    start_process = start_datetime + process_after
    duration = end_datetime - start_process
    return {
        "item_id": item_id,
        "start_datetime": start_datetime,
        "end_datetime": end_datetime,
        "repeat_at": repeat_at,
        "process_after": process_after,
        "start_process": start_process,
        "duration": duration,
    }

if __name__ == '__main__':
    uvicorn.run(app='main:app', host="127.0.0.1", port=8000, reload=True, debug=True)

本文参考链接：

http://www.zyiz.net/tech/detail-119883.html

本文参与腾讯云自媒体分享计划，欢迎正在阅读的你也加入，一起分享。

标签：__,name,FastAPI,app,RequestBody,item,str,import,体检
From： https://www.cnblogs.com/pgyLang/p/17695172.html

相关文章

  • yolov5-fastapi-demo更换中文标签
     本章是基于yolov5-fastapi-demo项目的更改WelkinU/yolov5-fastapi-demo:FastAPIWrapperofYOLOv5(github.com)首先，因为训练的时候设置的标签是英文，换成中文要重新训练，而且使用中文训练也很繁琐要改很多东西，因此可以直接训练的时候用英文标签，然后在识别绘图的时候做一个判断直......
  • 在线问诊 Python、FastAPI、Neo4j — 创建节点
    目录前提条件创建节点Demo准备数据在线问诊Python、FastAPI、Neo4j—创建节点Neo4j节点的标签可以理解为Java中的实体。根据常规流程：首先有什么症状，做哪些对应的检查，根据检查诊断什么疾病，需要用什么药物治疗，服药期间要注意哪些饮食，需要做哪些运行在线问诊大概创建：症状......
  • Python 框架(Flask,tornado,fastAPI）Go 的gin框架 Java spring 框架中的性能对比
    使用jmeter进行压测：配置如下： Flask框架：Python代码：fromflaskimportFlaskapp=Flask(__name__)@app.route('/')defhello_world():return'Hello,World!'if__name__=='__main__':app.run(port=8080)测试结果： Tornado......
  • Python FastAPI 异步获取 Neo4j 数据
    前提条件先往Neo4j里，准备数据参考：https://www.cnblogs.com/vipsoft/p/17631347.html#创建传承人搭建FastAPI项目：https://www.cnblogs.com/vipsoft/p/17684079.html改造utils/neo4j_provider.py增加了暴露给外面调用的属性，同时提供了同步和异步执行的驱动#!/usr/bin/py......
  • @RequestBody前后端传递多个参数
    1、前端写法exportconstinsertOrUpdateVideo=(row,param)=>{returnrequest({url:'/api/video-video/insertOrUpdateVideo',method:'post',data:{uploadFileId:param.uploadFileId,video:row}})}......
  • FastApi---Tortoise-ORM异步框架的使用
     1.配置 pipinstalltortoise-ormpipinstallaerichpipinstallaiomysql 参数配置#settings.pyTORTOISE_ORM={'connections':{'default':{#'engine':'tortoise.backends.asyncpg',Po......
  • FastAPI.7
    FastAPI之连接数据库1.databases.pyfromsqlalchemyimportcreate_enginefromsqlalchemy.ormimportsessionmakerfromsqlalchemy.ext.declarativeimportdeclarative_baseSQLALCHEMY_DATABASE_URL='mysql+pymysql://username:password@localhost/fastapi_demo'......
  • FastAPI.6
    FastAPI的Post请求1.接受query参数fromfastapiimportFastAPI,[email protected]('/login')deflogin(username:str=Query(...),password:str=Query(...)):#接受query参数ifusername=='admin'andpassword=='admin':re......
  • FastAPI.6
    FastAPI.6FastApi用pillow生成随机四位数字验证码图片导入模块importrandomfromfastapiimportFastAPI,ResponsefromPILimportImage,ImageDraw,ImageFontfromioimportBytesIO代码defcode():#生成四位随机数字code=""for_inrange(4):......
  • fastapi 的 TestClient 的 delete 方法如何传递请求体？
    在FastAPI的TestClient中，delete方法通常不适用于传递请求体（payload）。DELETE请求通常不允许发送请求体。不过，根据HTTP规范，您可以通过在URL中包含查询参数或使用params参数来传递参数。以下是使用FastAPI的TestClient进行DELETE请求时传递参数的示例：fromfastapi.testclientimportT......

赞助商

阅读排行

网站主页关于我们联系我们网站地图

本网站内容转载自其他媒体，侵权联系[admin##ips99.com]。

Copyright © 2020-2023 IPS99 版权所有 IPS99