FastAPI 教程 |
您所在的位置：网站首页 › fastapi缺点 › FastAPI 教程 |
FastAPI 教程
|
FastAPI 框架，高性能，易于学习，高效编码，生产可用 文档： https://fastapi.tiangolo.com 源码： https://github.com/tiangolo/fastapi FastAPI 是一个用于构建 API 的现代、快速（高性能）的 web 框架，使用 Python 3.6+ 并基于标准的 Python 类型提示。 关键特性: 快速：可与 NodeJS 和 Go 比肩的极高性能（归功于 Starlette 和 Pydantic）。最快的 Python web 框架之一。 高效编码：提高功能开发速度约 200％ 至 300％。* 更少 bug：减少约 40％ 的人为（开发者）导致错误。* 智能：极佳的编辑器支持。处处皆可自动补全，减少调试时间。 简单：设计的易于使用和学习，阅读文档的时间更短。 简短：使代码重复最小化。通过不同的参数声明实现丰富功能。bug 更少。 健壮：生产可用级别的代码。还有自动生成的交互式文档。 标准化：基于（并完全兼容）API 的相关开放标准：OpenAPI (以前被称为 Swagger) 和 JSON Schema。* 根据对某个构建线上应用的内部开发团队所进行的测试估算得出。 Typer，命令行中的 FastAPI
如果你正在开发一个在终端中运行的命令行应用而不是 web API，不妨试下 Typer。 Typer 是 FastAPI 的小同胞。它想要成为命令行中的 FastAPI。 依赖Python 3.6 及更高版本 FastAPI 站在以下巨人的肩膀之上： Starlette 负责 web 部分。 Pydantic 负责数据部分。 安装在命令提示符（macOS或者Linux的终端）中使用pip安装FastAPI： pip install fastapi████████████████████████████████████████ 100%安装完FastAPI后还需要一个 ASGI 服务器来运行相应的代码，生产环境可以使用 Uvicorn 或者 Hypercorn。 安装方法也是在命令提示符中使用pip进行安装： pip install uvicorn████████████████████████████████████████ 100% 示例 创建 创建一个 main.py 文件并写入以下内容: from typing import Optional from fastapi import FastAPI app = FastAPI() @app.get("/") def read_root(): return {"Hello": "World"} @app.get("/items/{item_id}") def read_item(item_id: int, q: Optional[str] = None): return {"item_id": item_id, "q": q}或者使用 async def... 如果你的代码里会出现 async / await，请使用 async def： from typing import Optional from fastapi import FastAPI app = FastAPI() @app.get("/") async def read_root(): return {"Hello": "World"} @app.get("/items/{item_id}") async def read_item(item_id: int, q: Optional[str] = None): return {"item_id": item_id, "q": q}如果你不知道是否会用到，可以查看文档的 并发和异步/等待 章节中 关于 async 和 await 的部分。 运行通过以下命令运行服务器： uvicorn main:app --reloaduvicorn main:app --reload INFO: Uvicorn running on http://127.0.0.1:8000 (Press CTRL+C to quit)INFO: Started reloader process [28720]INFO: Started server process [28722]INFO: Waiting for application startup.INFO: Application startup complete.注意：当8000端口被占用时，使用该指令会报错：[WinError 10013] 以一种访问权限不允许的方式做了一个访问套接字的尝试。这是由于8000端口被占用导致的，可以通过更改启动的端口或者kill使用8000端口的应用来解决： kill应用的方式:在Windows环境下使用netstat -aon|findstr "8000"查看占用8000端口的应用的PID，然后在任务管理器中找到对应应用结束。 改变启动端口方式（更通用）：在启动命令后加--port来改变启动端口,例如 uvicorn main:app --reload --port 18080关于uvicorn main:app --reload --port 18080命令 uvicorn main:app命令含义如下: main：main.py文件（一个 Python "模块"）。 app：在 main.py 文件中通过 app = FastAPI() 创建的对象。 --reload：让服务器在更新代码后重新启动。仅在开发时使用该选项。 --port:指定启动的端口，该代码中指定了18080端口。 检查使用浏览器访问 http://127.0.0.1:8000/items/5?q=somequery。 你将会看到如下 JSON 响应： {"item_id": 5, "q": "somequery"}你已经创建了一个具有以下功能的 API： 通过 路径 / 和 /items/{item_id} 接受 HTTP 请求。 以上 路径 都接受 GET 操作（也被称为 HTTP 方法）。 /items/{item_id} 路径 有一个 路径参数 item_id 并且应该为 int 类型。 /items/{item_id} 路径 有一个可选的 str 类型的 查询参数 q。 交互式 API 文档现在访问 http://127.0.0.1:8000/docs。 你会看到自动生成的交互式 API 文档（由 Swagger UI生成）：
访问 http://127.0.0.1:8000/redoc。 你会看到另一个自动生成的文档（由 ReDoc 生成）：
现在修改 main.py 文件来从 PUT 请求中接收请求体。 我们借助 Pydantic 来使用标准的 Python 类型声明请求体。 from typing import Optional from fastapi import FastAPI from pydantic import BaseModel app = FastAPI() class Item(BaseModel): name: str price: float is_offer: Optional[bool] = None @app.get("/") def read_root(): return {"Hello": "World"} @app.get("/items/{item_id}") def read_item(item_id: int, q: Optional[str] = None): return {"item_id": item_id, "q": q} @app.put("/items/{item_id}") def update_item(item_id: int, item: Item): return {"item_name": item.name, "item_id": item_id}服务器将会自动重载（因为在上面的步骤中你向 uvicorn 命令添加了 --reload 选项）。 交互式 API 文档升级访问 http://127.0.0.1:8000/docs。 交互式 API 文档将会自动更新，并加入新的请求体：
访问 http://127.0.0.1:8000/redoc。 可选文档同样会体现新加入的请求参数和请求体：
总的来说，你就像声明函数的参数类型一样只声明了一次请求参数、请求体等的类型。 你使用了标准的现代 Python 类型来完成声明。 你不需要去学习新的语法、了解特定库的方法或类，等等。 只需要使用标准的 Python 3.6 及更高版本。 举个例子，比如声明 int 类型： item_id: int或者一个更复杂的 Item 模型： item: Item......在进行一次声明之后，你将获得： 编辑器支持，包括： 自动补全 类型检查数据校验： 在校验失败时自动生成清晰的错误信息。 对多层嵌套的 JSON 对象依然执行校验转换 来自网络请求的输入数据为 Python 数据类型。包括以下数据： JSON 路径参数 查询参数 Cookies 请求头 表单文件转换输出的数据：转换 Python 数据类型为供网络传输的 JSON 数据： 转换 Python 基础类型 （str、 int、 float、 bool、 list 等） datetime 对象 UUID 对象 数据库模型 .....以及更多其他类型自动生成的交互式 API 文档，包括两种可选的用户界面： Swagger UI ReDoc回到前面的代码示例，FastAPI 将会： 校验 GET 和 PUT 请求的路径中是否含有 item_id。 校验 GET 和 PUT 请求中的 item_id 是否为 int 类型。 如果不是，客户端将会收到清晰有用的错误信息。 检查 GET 请求中是否有命名为 q 的可选查询参数（比如 http://127.0.0.1:8000/items/foo?q=somequery）。 因为 q 被声明为 = None，所以它是可选的。 如果没有 None 它将会是必需的 (如 PUT 例子中的请求体)。 对于访问 /items/{item_id} 的 PUT 请求，将请求体读取为 JSON ，同时： 检查是否有必需属性 name 并且值为 str 类型 。 检查是否有必需属性 price 并且值为 float 类型。 检查是否有可选属性 is_offer， 如果有的话值应该为 bool 类型。 以上过程对于多层嵌套的 JSON 对象同样也会执行 自动对 JSON 进行转换或转换成 JSON。 通过 OpenAPI 文档来记录所有内容，可被用于： 交互式文档系统 许多编程语言的客户端代码自动生成系统 直接提供 2 种交互式文档 web 界面。虽然我们才刚刚开始，但其实你已经了解了这一切是如何工作的。 尝试更改下面这行代码： return {"item_name": item.name, "item_id": item_id}......从： ... "item_name": item.name .........改为： ... "item_price": item.price .........注意观察编辑器是如何自动补全属性并且还知道它们的类型：
教程 - 用户指南 中有包含更多特性的更完整示例。 剧透警告： 教程 - 用户指南中的内容有： 对来自不同地方的参数进行声明，如：请求头、cookies、form 表单以及上传的文件。 如何设置校验约束如 maximum_length 或者 regex。 一个强大并易于使用的 依赖注入 系统。 安全性和身份验证，包括通过 JWT 令牌和 HTTP 基本身份认证来支持 OAuth2。 更进阶（但同样简单）的技巧来声明 多层嵌套 JSON 模型 （借助 Pydantic）。 许多额外功能（归功于 Starlette）比如： WebSockets GraphQL 基于 requests 和 pytest 的极其简单的测试 CORS Cookie Sessions ......以及更多 性能独立机构 TechEmpower 所作的基准测试结果显示，基于 Uvicorn 运行的 FastAPI 程序是 最快的 Python web 框架之一，仅次于 Starlette 和 Uvicorn 本身（FastAPI 内部使用了它们）。(*) 想了解更多，请查阅 基准测试 章节。 可选依赖用于 Pydantic： ujson - 更快的 JSON 「解析」。 email_validator - 用于 email 校验。用于 Starlette： requests - 使用 TestClient 时安装。 aiofiles - 使用 FileResponse 或 StaticFiles 时安装。 jinja2 - 使用默认模板配置时安装。 python-multipart - 需要通过 request.form() 对表单进行「解析」时安装。 itsdangerous - 需要 SessionMiddleware 支持时安装。 pyyaml - 使用 Starlette 提供的 SchemaGenerator 时安装（有 FastAPI 你可能并不需要它）。 graphene - 需要 GraphQLApp 支持时安装。 ujson - 使用 UJSONResponse 时安装。用于 FastAPI / Starlette： uvicorn - 用于加载和运行你的应用程序的服务器。 orjson - 使用 ORJSONResponse 时安装。你可以通过 pip install fastapi[all] 命令来安装以上所有依赖。 许可协议该项目遵循 MIT 许可协议。 领取免费资料 扫描下方二维码或打开微信搜一搜“w3cschool编程狮”关注公众号回复关键词【Python123】或者【Python资料包】免费领取 Python 学习资料，包含软件安装包，电子书、思维导图等
|
【本文地址】