FastAPI（8）- 请求体 Request Body

前言

• 接口传参方式之一：通过发送请求体（Request Body）来传递请求数据
• 在 FastAPI，提倡使用 Pydantic 模型来定义请求体
• 这篇文章会详细讲不使用 Pydantic 和 使用 Pydantic 发送请求体的栗子

注意

• 请求体并不是只有 POST 请求有，只不过 POST 更常见
• 在 PUT、DELETE、PATCH 请求中都可以使用请求体
• 其实，在 GET 请求中也可以用请求体，不过仅适用于非常极端的情况下，而且 Swagger API 并不会显示 GET 请求的请求体

不使用 Pydantic的栗子

from fastapi import FastAPI
import uvicorn

app = FastAPI()


@app.post("/items")
async def read_item(item: dict):
    return {"item": item}


if __name__ == "__main__":
    uvicorn.run(app="6_request:app", host="127.0.0.1", port=8080, reload=True, debug=True)

指定查询参数的类型为 dict

正确传参的请求结果

查看请求头

是 json 格式，符合预期 

重点

• 用 postman 发起请求的话，一定要选 JSON 格式哦
• 因为接收的是 dict，所以 FastAPI 会自动将 JSON 字符串转换为 dict
• 这种场景下，虽然查询参数叫 item，但请求体的字段名可以随意取，字段数量也可以任意个

错误传参的请求结果

选了 text 之后，因为不是 JSON 字符串，FastAPI 无法正确解析请求体为 dict，所以会报类型错误的提示

查看请求头

 

类型是 text

用 Dict 代替 dict 的栗子

Dict 是 typing 模块提供的类，可以指定键值对的数据类型

from typing import Dict

from fastapi import FastAPI

app = FastAPI()


@app.post("/Dict/")
# 键为 str，值为 float
async def create_index_weights(weights: Dict[str, float]):
    return weights

使用 Dict 相比直接用 dict 的好处

声明为 Dict[str, float]，FastAPI 会对每一个键值对都做数据校验，校验失败会有友好的错误提示

正确传参的请求结果

校验失败的请求结果

友好的错误提示啊~

使用 Pydantic 模型（建议使用）

实际栗子

from fastapi import FastAPI
from typing import Optional
from pydantic import BaseModel

app = FastAPI()


# 自定义一个 Pydantic 模型
class Item(BaseModel):
    name: str
    description: Optional[str] = None
    price: float
    tax: Optional[float] = None


@app.post("/items/")
# item 参数的类型指定为 Item 模型
async def create_item(item: Item): 
    return item

参数指定为 Pydantic 模型后，FastAPI 做了这几件事

1. 将请求体识别为 JSON 字符串
2. 将字段值转换相应的类型（若有需要）
3. 验证数据，如果验证失败，会返回一个清晰的错误，准确指出错误数据的位置和信息
4. item 会接收到完整的请求体数据，拥有所有属性及其类型，IDE 也会给予对应的智能提示
5. 给 Pydantic 模型自动的生成 JSON Schema，这些 Schema 会成为生成 OpenAPI Schema 的一部分，并显示在接口文档上

正确传参的请求结果

正常传参，所有属性按指定的类型进行传数据

字段值类型自动转换

•  name: str  传了 bool 类型的数据
•  description: str  传了 float 类型的数据
•  price: float   传了 int 类型的数据
•  tax: float  传了 bool 类型的数据

FastAPi 会将传进来的值自动转换为指定类型的值

• 将 true 转成 str 类型，即 "True"
• 将 12.22 转成 str 类型，即 "12.22"
• 将 12 转成 float 类型，即 12.0
• 将 true 转成 float 类型，即 1.0

如果转换失败，则会报 type_error 错误（如下图）

验证数据失败的请求结果

查看 Swagger API 文档

Schema 部分

model 的 JSON Schema 会成为 Swagger APi 文档的一部分

示例值部分

IDE 智能提示

因为知道 name 属性的类型是 str，所以 IDE 会智能提示 str 内置的方法

Request body + path + query parameters 综合栗子

• 可以同时声明请求体、路径参数、查询参数
• FastAPI 可以识别出它们中的每一个，并从正确的位置获取到数据

实际代码

from typing import Optional
from fastapi import FastAPI
from pydantic import BaseModel


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


app = FastAPI()


@app.put("/items/{item_id}")
async def create_item(
        # 路径参数
        item_id: int,
        # 请求体，模型类型
        item: Item,
        # 查询参数
        name: Optional[str] = None):
    result = {"item_id": item_id, **item.dict()}
    print(result)
    if name:
        # 如果查询参数 name 不为空，则替换掉 item 参数里面的 name 属性值
        result.update({"name": name})
    return result

FastAPI 识别参数的逻辑

• 如果参数也在路径中声明，它将解释为路径参数【item_id】
• 如果参数是单数类型（如int、float、str、boo l等），它将被解释为查询参数【name】
• 如果参数被声明为 Pydantic 模型的类型，它将被解析为请求体【item】

正确传参的请求结果

Pycharm Console 输出结果

打印 result 的值

{'item_id': 1234, 'name': '小菠萝', 'description': '描述，非必填', 'price': 12.22, 'tax': 0.0}

查看 Swagger API 文档