前言
上一篇文章我们讲述了序列化，这篇就带大家一起来实现以下序列化
Serializer
我们使用序列化类Serializer，我们来看下源码结构，这里推荐使用pycharm左边导航栏的Structure，可以清晰的看到一个文件的结构，如下图
我们会发现Serializer继承自BaseSerializer和SerializerMetaclass，但是Serializer类中又没有create方法和update方法，所以我们使用的时候必须自己手动定义这2个方法
准备工作
1.新建一个项目drf_demo，在项目中新建一个appdrf_app,在app中新建一个文件urls.py，项目结构如下
2.在models.py文件中写入如下代码
class Student(models.Model):
SEX_CHOICES = (
(1,'男'),
(2, '女')
)
name = models.CharField(max_length=20, verbose_name='姓名')
age = models.IntegerField(null=True, blank=True, verbose_name='年龄')
sex = models.IntegerField(choices=SEX_CHOICES, default=1, verbose_name='性别')
class Meta:
db_table = "student"
3.在drf_demo.urls.py和drf_app.urls.py中分别写入如下代码
# drf_demo.urls.py
urlpatterns = [
path('drf/', include('drf_app.urls')),
]
# drf_app.urls.py
app_name = "drf_app"
urlpatterns = [
path('student/', views.student),
]
4.在settings.py文件的MIDDLEWARE中注释掉django.middleware.csrf.CsrfViewMiddleware，并在INSTALLED_APPS中加入2个app
'rest_framework',
'drf_app'
5.在命令行输入以下命令，将orm对象映射到数据库
python manage makemigrations
python manage migrate
6.写序列化类一般我们都在app项目中新建serializers.py文件，接下来可以正式编写序列化类了
序列化类编写
# Serializer的构造函数的参数:
# 1. instance:需要传递一个orm对象，或者是一个queryset对象，用来将orm转成json
# 2. data:把需要验证的数据传递给data，用来验证这些数据是不是符合要求
# 3. many:如果instance是一个queryset对象，那么就需要设置为True，否则为False
class StudentSerializer(serializers.Serializer):
# 序列化提供给前台的字段个数由后台决定，可以少提供
# 但是提供的数据库对应的字段，名字一定要与数据库字段相同
id = serializers.IntegerField(read_only=True)
name = serializers.CharField(required=True, max_length=200)
sex = serializers.IntegerField(required=True)
age = serializers.IntegerField(required=True)
def create(self, validated_data):
"""
根据提供的验证过的数据创建并返回一个新的`Student`实例
"""
return Student.objects.create(**validated_data)
def update(self, instance, validated_data):
"""
根据提供的验证过的数据更新和返回一个已经存在的`Student`实例。
"""
instance.name = validated_data.get('name', instance.name)
instance.age = validated_data.get('name', instance.age)
instance.sex = validated_data.get('name', instance.sex)
instance.save()
return instance
# 局部钩子 validate_要校验的字段名（self, 当前要校验字段的值）
def validate_name(self, value):
if 'j' in value.lower():
raise exceptions.ValidationError("名字非法")
return value
def validate_sex(self, value):
if not isinstance(value, int):
raise exceptions.ValidationError("只能输入int类型")
if value != 1 and value != 2 :
raise exceptions.ValidationError("只能输入男和女")
return value
# 全局钩子 validate(self, 系统与局部钩子校验通过的所有数据)
def validate(self, attrs):
age = attrs.get('age')
sex = attrs.get('sex')
if age < 22 and sex == 1:
raise exceptions.ValidationError({"age&sex": "男的必须22周岁以上才能结婚"})
return attrs
我们上面代码首先定义了序列化的字段，字段中的参数都继承自Field类，参数如下
def __init__(self, read_only=False, write_only=False,
required=None, default=empty, initial=empty, source=None,
label=None, help_text=None, style=None,
error_messages=None, validators=None, allow_null=False):
- read_only：当为
True时表示这个字段只能读，只有在返回数据的时候会使用。 - write_only：当为
True时表示这个字段只能写，只有在新增数据或者更新数据的时候会用到。比如我们的账号密码，只允许用户提交，后端是不返回密码给前台的 - required：当为
True时表示这个字段必填，不填状态码会返回400 - default：默认值，没什么好说的
- allow_null：当为
True时，允许该字段的值为空
之后我们又定义了局部钩子，校验特殊的字段，比如需求规定，用户的性别只能输入男和女，此时你就可以定义一个钩子，当然drf自动帮我们做了一些校验，比如需要的字段是int类型，你输入string类型，会自动触发系统的error，不需要我们额外定义，后面我们会进行测试
接下来我们又定义了一个全局的钩子，意思就是针对整个数据进行校验，最适合的场景比如密码重复输入，一般我们注册的时候，需要输入2次密码，第二次用来确认，这个场景就适合用全局钩子
编写完serializers后，我们最后一步，编写视图函数，如下：
def student(request):
# 获取所有的学生
if request.method == "GET":
# 创建一个queryset对象
stu = Student.objects.all()
# 将对象序列化为dict
stu_data = StudentSerializer(instance=stu, many=True).data
return JsonResponse(status=200, data=stu_data, safe=False)
elif request.method == "POST":
data = JSONParser().parse(request)
serializer = StudentSerializer(data=data)
# 校验字段是否符合规范
if serializer.is_valid():
# 符合则保存到数据库
serializer.save()
return JsonResponse(data=serializer.data, status=200)
return JsonResponse(serializer.errors, status=400)
测试
测试分为GET请求和POST请求
GET请求
我们打开接口测试工具postman或者apifox，这里以apifox为例，输入127.0.0.1:8000/drf/student/，得到了以下结果
[
{
"id": 1,
"name": "jkc",
"sex": 1,
"age": 18
},
{
"id": 2,
"name": "mary",
"sex": 2,
"age": 20
}
]
说明序列化成功，成功地将数据库的数据通过json的格式返回给了前台
POST请求
同样打开接口工具，输入127.0.0.1:8000/drf/student/，在body中选择json格式，输入如下数据
{
"name": "aaaa",
"sex": 2,
"age": 18
}
运行结果如下：
{
"id": 13,
"name": "aaaa",
"sex": 2,
"age": 18
}
说明我们反序列化也成功了，小伙伴们自己实践时可以查看数据库，会多了一条这样的数据
接下来我们是否能触发钩子函数
测试validate_name钩子
输入测试数据
{
"name": "jjj",
"sex": 2,
"age": 18
}
返回结果如下：
{
"name": [
"名字非法"
]
}
测试validate_sex钩子
输入测试数据
{
"name": "kkk",
"sex": 3,
"age": 18
}
返回结果如下：
{
"sex": [
"只能输入男和女"
]
}
测试默认的输入类型错误
输入测试数据
{
"name": "kkk",
"sex": "???",
"age": 18
}
返回结果如下：
{
"sex": [
"请填写合法的整数值。"
]
}
测试默认的必填项不填
输入测试数据
{
"name": "kkk"
}
返回结果如下：
{
"sex": [
"该字段是必填项。"
],
"age": [
"该字段是必填项。"
]
}
测试全局钩子
输入测试数据
{
"name": "kkk",
"sex": 1,
"age": 18
}
返回结果如下：
{
"age&sex": [
"男的必须22周岁以上才能结婚"
]
}
总结
- 设置必填与选填序列化字段，设置校验规则
- 为需要额外校验的字段提供局部钩子函数，如果该字段不入库，且不参与全局钩子校验，可以将值取出校验
- 为有联合关系的字段们提供全局钩子函数，如果某些字段不入库，可以将值取出校验
- 重写
create方法，完成校验通过的数据入库工作，得到新增的对象