FastAPI 深度指南：使用依赖注入处理分页和过滤逻辑

在FastAPI框架中，Depends是一个关键的功能，它允许开发者通过依赖注入来管理和重用代码。这在处理API的分页和过滤逻辑时尤其有用，因为它可以将这些逻辑抽象化，从而减少冗余代码并提高效率。

通过Depends，我们可以定义一个函数，该函数负责获取和验证分页参数（如skip和limit）以及过滤参数（如基于名称或价格的筛选）。

在路由函数中，我们通过Depends将这些参数作为依赖项注入，FastAPI会在调用路由函数之前自动执行这些依赖函数，并将结果作为参数传递给路由函数。这种方式不仅使代码更加模块化，而且使得参数处理逻辑可以在多个路由中重用，从而简化了API的开发和维护。

在下段 Python 代码中，commons 是一个依赖函数 common_parameters 的结果，它通过 FastAPI 的依赖注入系统被传递给路由处理函数。这里的 Annotated 来自 typing 模块，它用于添加额外的类型信息或元数据到已有的类型上，但在 FastAPI 中，它主要用于添加额外的文档信息到参数上。

from typing import Annotated

from fastapi import Depends, FastAPI

app = FastAPI()
async def common_parameters(q: str | None = None, skip: int = 0, limit: int = 100):
    return {"q": q, "skip": skip, "limit": limit}

@app.get("/items/")
async def read_items(commons: Annotated[dict, Depends(common_parameters)]):
    return commons

@app.get("/users/")
async def read_users(commons: Annotated[dict, Depends(common_parameters)]):
    return commons

让我们逐步分析 commons 函数：

1. common_parameters 是一个异步函数，它接受三个参数：

• q: 一个可选的字符串，用于搜索或过滤。
• skip: 一个整数，默认值为 0，用于分页，表示要跳过多少条记录。
• limit: 一个整数，默认值为 100，用于分页，表示每页显示多少条记录。

2. common_parameters 函数返回一个字典，包含它接收到的参数。
3. Annotated[dict, Depends(common_parameters)] 是一个注解，它告诉 FastAPI commons 参数应该通过调用 common_parameters 函数来获取。Depends 是 FastAPI 用于声明依赖的装饰器。
4. 在路由处理函数 read_items 和 read_users 中，commons 参数被用作一个依赖项。这意味着在调用这些函数之前，FastAPI 会自动调用 common_parameters 函数，并将其返回的字典作为 commons 参数的值。
5. read_items 和 read_users 函数简单地返回它们接收到的 commons 字典，这个字典包含了查询参数和分页信息。

在实际应用中，common_parameters 函数可以用来处理来自客户端的通用查询参数

下面是一个简化后的代码示例，它展示了如何在 FastAPI 中使用依赖Depends注入来处理分页和过滤逻辑：

from fastapi import FastAPI, Depends, HTTPException, Query
from typing import List, Optional
from pydantic import BaseModel
from sqlalchemy.orm import Session

# 假设我们有一个数据库会话依赖项
def get_db() -> Session:
    # 这里应该是创建或获取数据库会话的逻辑
    ...

# 定义分页参数的 Pydantic 模型
class Pagination(BaseModel):
    skip: int = Query(default=0, ge=0, description="Number of items to skip")
    limit: int = Query(default=10, gt=0, description="Maximum number of items to return")

# 定义过滤参数的 Pydantic 模型
class Filter(BaseModel):
    name: Optional[str] = Query(None, description="Filter by name")
    price: Optional[float] = Query(None, description="Filter by price")

# 假设我们有一个模型类
class Item(BaseModel):
    id: int
    name: str
    description: str = None
    price: float
    tax: float = None

# 路由处理函数，使用分页和过滤依赖项
@app.get("/items/", response_model=List[Item])
async def read_items(
    db: Session = Depends(get_db),
    pagination: Pagination = Depends(),
    filter: Filter = Depends()
):
    # 应用过滤逻辑
    query = db.query(Item)
    if filter.name:
        query = query.filter(Item.name == filter.name)
    if filter.price:
        query = query.filter(Item.price <= filter.price)  # 使用 <= 以便包含指定价格

    # 应用分页逻辑
    items = query.offset(pagination.skip).limit(pagination.limit).all()
    
    if not items:
        raise HTTPException(status_code=404, detail="Items not found")
    
    return items

通过 curl 发送一个请求体，可以使用以下命令：

curl -X POST "http://localhost:8000/items/" -H "Content-Type: application/json" -d '{"skip": 0, "limit": 5, "name": "example"}'

在这个 curl 命令中：

• -X POST 指定了请求方法为 POST。
• -H "Content-Type: application/json" 设置了请求头，告诉服务器我们发送的数据是 JSON 格式。
• -d '{"skip": 0, "limit": 5, "name": "example"}' 是我们要发送的 JSON 格式的请求体数据。

这样，你就可以通过 curl 命令向 FastAPI 应用发送包含分页和过滤参数的请求体了。

在这个简化的版本中：

• 我们直接在 Pagination 和 Filter 类中使用了 Query 来定义默认值和从查询参数中获取值。
• read_items 函数现在直接依赖于 Pagination 和 Filter 类的实例，这些实例会自动从请求的查询参数中获取值。
• 我们移除了单独的 pagination_parameters 和 filter_parameters 依赖函数，因为 Pagination 和 Filter 类已经包含了所需的逻辑。
• Query 函数用于直接从查询参数中获取值，并可以设置默认值和其他验证条件。
• 
  

这个简化的代码仍然实现了分页和过滤逻辑，同时减少了代码的复杂性。