使用 FastAPI，你可以定义、校验、记录文档并使用任意深度嵌套的模型（归功于Pydantic）。

List 字段

你可以将一个属性定义为拥有子元素的类型。例如 Python list：

Python 3.10+Python 3.8+

  1. from fastapi import FastAPI
  2. from pydantic import BaseModel
  4. app = FastAPI()
  6. class Item(BaseModel):
  7.     name: str
  8.     description: str | None = None
  9.     price: float
  10.     tax: float | None = None
  11.  tags: list = [] 
  13. @app.put("/items/{item_id}")
  14. async def update_item(item_id: int, item: Item):
  15.     results = {"item_id": item_id, "item": item}
  16.     return results`
  1. from typing import Union
  3. from fastapi import FastAPI
  4. from pydantic import BaseModel
  6. app = FastAPI()
  8. class Item(BaseModel):
  9.     name: str
  10.     description: Union[str, None] = None
  11.     price: float
  12.     tax: Union[float, None] = None
  13.  tags: list = [] 
  15. @app.put("/items/{item_id}")
  16. async def update_item(item_id: int, item: Item):
  17.     results = {"item_id": item_id, "item": item}
  18.     return results`

这将使 tags 成为一个由元素组成的列表。不过它没有声明每个元素的类型。

具有子类型的 List 字段

但是 Python 有一种特定的方法来声明具有子类型的列表：

从 typing 导入 List

首先，从 Python 的标准库 typing 模块中导入 List：

  1. from typing import List, Union 
  2. from fastapi import FastAPI
  3. from pydantic import BaseModel
  5. app = FastAPI()
  7. class Item(BaseModel):
  8.     name: str
  9.     description: Union[str, None] = None
  10.     price: float
  11.     tax: Union[float, None] = None
  12.     tags: List[str] = []
  14. @app.put("/items/{item_id}")
  15. async def update_item(item_id: int, item: Item):
  16.     results = {"item_id": item_id, "item": item}
  17.     return results`

声明具有子类型的 List

要声明具有子类型的类型，例如 list、dict、tuple：

  • 从 typing 模块导入它们
  • 使用方括号 [ 和 ] 将子类型作为「类型参数」传入
  1. from typing import List
  3. my_list: List[str]`

这完全是用于类型声明的标准 Python 语法。

对具有子类型的模型属性也使用相同的标准语法。

因此，在我们的示例中，我们可以将 tags 明确地指定为一个「字符串列表」：

Python 3.10+Python 3.9+Python 3.8+

  1. from fastapi import FastAPI
  2. from pydantic import BaseModel
  4. app = FastAPI()
  6. class Item(BaseModel):
  7.     name: str
  8.     description: str | None = None
  9.     price: float
  10.     tax: float | None = None
  11.  tags: list[str] = [] 
  13. @app.put("/items/{item_id}")
  14. async def update_item(item_id: int, item: Item):
  15.     results = {"item_id": item_id, "item": item}
  16.     return results`
  1. from typing import Union
  3. from fastapi import FastAPI
  4. from pydantic import BaseModel
  6. app = FastAPI()
  8. class Item(BaseModel):
  9.     name: str
  10.     description: Union[str, None] = None
  11.     price: float
  12.     tax: Union[float, None] = None
  13.  tags: list[str] = [] 
  15. @app.put("/items/{item_id}")
  16. async def update_item(item_id: int, item: Item):
  17.     results = {"item_id": item_id, "item": item}
  18.     return results`
  1. from typing import List, Union
  3. from fastapi import FastAPI
  4. from pydantic import BaseModel
  6. app = FastAPI()
  8. class Item(BaseModel):
  9.     name: str
  10.     description: Union[str, None] = None
  11.     price: float
  12.     tax: Union[float, None] = None
  13.  tags: List[str] = [] 
  15. @app.put("/items/{item_id}")
  16. async def update_item(item_id: int, item: Item):
  17.     results = {"item_id": item_id, "item": item}
  18.     return results`

Set 类型

但是随后我们考虑了一下，意识到标签不应该重复，它们很大可能会是唯一的字符串。

Python 具有一种特殊的数据类型来保存一组唯一的元素，即 set。

然后我们可以导入 Set 并将 tag 声明为一个由 str 组成的 set：

Python 3.10+Python 3.9+Python 3.8+

  1. from fastapi import FastAPI
  2. from pydantic import BaseModel
  4. app = FastAPI()
  6. class Item(BaseModel):
  7.     name: str
  8.     description: str | None = None
  9.     price: float
  10.     tax: float | None = None
  11.  tags: set[str] = set() 
  13. @app.put("/items/{item_id}")
  14. async def update_item(item_id: int, item: Item):
  15.     results = {"item_id": item_id, "item": item}
  16.     return results`
  1. from typing import Union
  3. from fastapi import FastAPI
  4. from pydantic import BaseModel
  6. app = FastAPI()
  8. class Item(BaseModel):
  9.     name: str
  10.     description: Union[str, None] = None
  11.     price: float
  12.     tax: Union[float, None] = None
  13.  tags: set[str] = set() 
  15. @app.put("/items/{item_id}")
  16. async def update_item(item_id: int, item: Item):
  17.     results = {"item_id": item_id, "item": item}
  18.     return results`
  1. from typing import Set, Union 
  2. from fastapi import FastAPI
  3. from pydantic import BaseModel
  5. app = FastAPI()
  7. class Item(BaseModel):
  8.     name: str
  9.     description: Union[str, None] = None
  10.     price: float
  11.     tax: Union[float, None] = None
  12.  tags: Set[str] = set() 
  14. @app.put("/items/{item_id}")
  15. async def update_item(item_id: int, item: Item):
  16.     results = {"item_id": item_id, "item": item}
  17.     return results`

这样，即使你收到带有重复数据的请求，这些数据也会被转换为一组唯一项。

而且，每当你输出该数据时，即使源数据有重复，它们也将作为一组唯一项输出。

并且还会被相应地标注 / 记录文档。

嵌套模型

Pydantic 模型的每个属性都具有类型。

但是这个类型本身可以是另一个 Pydantic 模型。

因此，你可以声明拥有特定属性名称、类型和校验的深度嵌套的 JSON 对象。

上述这些都可以任意的嵌套。

定义子模型

例如，我们可以定义一个 Image 模型：

Python 3.10+Python 3.9+Python 3.8+

  1. from fastapi import FastAPI
  2. from pydantic import BaseModel
  4. app = FastAPI()
  6. class Image(BaseModel):
  7.  url: str name: str 
  9. class Item(BaseModel):
  10.     name: str
  11.     description: str | None = None
  12.     price: float
  13.     tax: float | None = None
  14.     tags: set[str] = set()
  15.     image: Image | None = None
  17. @app.put("/items/{item_id}")
  18. async def update_item(item_id: int, item: Item):
  19.     results = {"item_id": item_id, "item": item}
  20.     return results`
  1. from typing import Union
  3. from fastapi import FastAPI
  4. from pydantic import BaseModel
  6. app = FastAPI()
  8. class Image(BaseModel):
  9.  url: str name: str 
  11. class Item(BaseModel):
  12.     name: str
  13.     description: Union[str, None] = None
  14.     price: float
  15.     tax: Union[float, None] = None
  16.     tags: set[str] = set()
  17.     image: Union[Image, None] = None
  19. @app.put("/items/{item_id}")
  20. async def update_item(item_id: int, item: Item):
  21.     results = {"item_id": item_id, "item": item}
  22.     return results`
  1. from typing import Set, Union
  3. from fastapi import FastAPI
  4. from pydantic import BaseModel
  6. app = FastAPI()
  8. class Image(BaseModel):
  9.  url: str name: str 
  11. class Item(BaseModel):
  12.     name: str
  13.     description: Union[str, None] = None
  14.     price: float
  15.     tax: Union[float, None] = None
  16.     tags: Set[str] = set()
  17.     image: Union[Image, None] = None
  19. @app.put("/items/{item_id}")
  20. async def update_item(item_id: int, item: Item):
  21.     results = {"item_id": item_id, "item": item}
  22.     return results`

将子模型用作类型

然后我们可以将其用作一个属性的类型：

Python 3.10+Python 3.9+Python 3.8+

  1. from fastapi import FastAPI
  2. from pydantic import BaseModel
  4. app = FastAPI()
  6. class Image(BaseModel):
  7.     url: str
  8.     name: str
  10. class Item(BaseModel):
  11.     name: str
  12.     description: str | None = None
  13.     price: float
  14.     tax: float | None = None
  15.     tags: set[str] = set()
  16.  image: Image | None = None 
  18. @app.put("/items/{item_id}")
  19. async def update_item(item_id: int, item: Item):
  20.     results = {"item_id": item_id, "item": item}
  21.     return results`
  1. from typing import Union
  3. from fastapi import FastAPI
  4. from pydantic import BaseModel
  6. app = FastAPI()
  8. class Image(BaseModel):
  9.     url: str
  10.     name: str
  12. class Item(BaseModel):
  13.     name: str
  14.     description: Union[str, None] = None
  15.     price: float
  16.     tax: Union[float, None] = None
  17.     tags: set[str] = set()
  18.  image: Union[Image, None] = None 
  20. @app.put("/items/{item_id}")
  21. async def update_item(item_id: int, item: Item):
  22.     results = {"item_id": item_id, "item": item}
  23.     return results`
  1. from typing import Set, Union
  3. from fastapi import FastAPI
  4. from pydantic import BaseModel
  6. app = FastAPI()
  8. class Image(BaseModel):
  9.     url: str
  10.     name: str
  12. class Item(BaseModel):
  13.     name: str
  14.     description: Union[str, None] = None
  15.     price: float
  16.     tax: Union[float, None] = None
  17.     tags: Set[str] = set()
  18.  image: Union[Image, None] = None 
  20. @app.put("/items/{item_id}")
  21. async def update_item(item_id: int, item: Item):
  22.     results = {"item_id": item_id, "item": item}
  23.     return results`

这意味着 FastAPI 将期望类似于以下内容的请求体：

{ "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" } }

再一次，仅仅进行这样的声明，你将通过 FastAPI 获得：

  • 对被嵌入的模型也适用的编辑器支持（自动补全等）
  • 数据转换
  • 数据校验
  • 自动生成文档

特殊的类型和校验

除了普通的单一值类型（如 str、int、float 等）外，你还可以使用从 str 继承的更复杂的单一值类型。

要了解所有的可用选项，请查看关于 来自 Pydantic 的外部类型 的文档。你将在下一章节中看到一些示例。

例如，在 Image 模型中我们有一个 url 字段，我们可以把它声明为 Pydantic 的 HttpUrl，而不是 str：

Python 3.10+Python 3.9+Python 3.8+

  1. from fastapi import FastAPI
  2. from pydantic import BaseModel, HttpUrl 
  3. app = FastAPI()
  5. class Image(BaseModel):
  6.  url: HttpUrl    name: str
  8. class Item(BaseModel):
  9.     name: str
  10.     description: str | None = None
  11.     price: float
  12.     tax: float | None = None
  13.     tags: set[str] = set()
  14.     image: Image | None = None
  16. @app.put("/items/{item_id}")
  17. async def update_item(item_id: int, item: Item):
  18.     results = {"item_id": item_id, "item": item}
  19.     return results`
  1. from typing import Union
  3. from fastapi import FastAPI
  4. from pydantic import BaseModel, HttpUrl 
  5. app = FastAPI()
  7. class Image(BaseModel):
  8.  url: HttpUrl    name: str
  10. class Item(BaseModel):
  11.     name: str
  12.     description: Union[str, None] = None
  13.     price: float
  14.     tax: Union[float, None] = None
  15.     tags: set[str] = set()
  16.     image: Union[Image, None] = None
  18. @app.put("/items/{item_id}")
  19. async def update_item(item_id: int, item: Item):
  20.     results = {"item_id": item_id, "item": item}
  21.     return results`
  1. from typing import Set, Union
  3. from fastapi import FastAPI
  4. from pydantic import BaseModel, HttpUrl 
  5. app = FastAPI()
  7. class Image(BaseModel):
  8.  url: HttpUrl    name: str
  10. class Item(BaseModel):
  11.     name: str
  12.     description: Union[str, None] = None
  13.     price: float
  14.     tax: Union[float, None] = None
  15.     tags: Set[str] = set()
  16.     image: Union[Image, None] = None
  18. @app.put("/items/{item_id}")
  19. async def update_item(item_id: int, item: Item):
  20.     results = {"item_id": item_id, "item": item}
  21.     return results`

该字符串将被检查是否为有效的 URL，并在 JSON Schema / OpenAPI 文档中进行记录。

带有一组子模型的属性

你还可以将 Pydantic 模型用作 list、set 等的子类型：

Python 3.10+Python 3.9+Python 3.8+

  1. from fastapi import FastAPI
  2. from pydantic import BaseModel, HttpUrl
  4. app = FastAPI()
  6. class Image(BaseModel):
  7.     url: HttpUrl
  8.     name: str
  10. class Item(BaseModel):
  11.     name: str
  12.     description: str | None = None
  13.     price: float
  14.     tax: float | None = None
  15.     tags: set[str] = set()
  16.  images: list[Image] | None = None 
  18. @app.put("/items/{item_id}")
  19. async def update_item(item_id: int, item: Item):
  20.     results = {"item_id": item_id, "item": item}
  21.     return results`
  1. from typing import Union
  3. from fastapi import FastAPI
  4. from pydantic import BaseModel, HttpUrl
  6. app = FastAPI()
  8. class Image(BaseModel):
  9.     url: HttpUrl
  10.     name: str
  12. class Item(BaseModel):
  13.     name: str
  14.     description: Union[str, None] = None
  15.     price: float
  16.     tax: Union[float, None] = None
  17.     tags: set[str] = set()
  18.  images: Union[list[Image], None] = None 
  20. @app.put("/items/{item_id}")
  21. async def update_item(item_id: int, item: Item):
  22.     results = {"item_id": item_id, "item": item}
  23.     return results`
  1. from typing import List, Set, Union
  3. from fastapi import FastAPI
  4. from pydantic import BaseModel, HttpUrl
  6. app = FastAPI()
  8. class Image(BaseModel):
  9.     url: HttpUrl
  10.     name: str
  12. class Item(BaseModel):
  13.     name: str
  14.     description: Union[str, None] = None
  15.     price: float
  16.     tax: Union[float, None] = None
  17.     tags: Set[str] = set()
  18.  images: Union[List[Image], None] = None 
  20. @app.put("/items/{item_id}")
  21. async def update_item(item_id: int, item: Item):
  22.     results = {"item_id": item_id, "item": item}
  23.     return results`

这将期望（转换，校验，记录文档等）下面这样的 JSON 请求体：

{ "name": "Foo", "description": "The pretender", "price": 42.0, "tax": 3.2, "tags": [ "rock", "metal", "bar" ], "images": [ { "url": "http://example.com/baz.jpg", "name": "The Foo live" }, { "url": "http://example.com/dave.jpg", "name": "The Baz" } ] }

Info

请注意 images 键现在具有一组 image 对象是如何发生的。

深度嵌套模型

你可以定义任意深度的嵌套模型：

Python 3.10+Python 3.9+Python 3.8+

  1. from fastapi import FastAPI
  2. from pydantic import BaseModel, HttpUrl
  4. app = FastAPI()
  6. class Image(BaseModel):
  7.     url: HttpUrl
  8.     name: str
  10. class Item(BaseModel):
  11.     name: str
  12.     description: str | None = None
  13.     price: float
  14.     tax: float | None = None
  15.     tags: set[str] = set()
  16.  images: list[Image] | None = None 
  18. class Offer(BaseModel):
  19.     name: str
  20.     description: str | None = None
  21.     price: float
  22.  items: list[Item] 
  24. @app.post("/offers/")
  25. async def create_offer(offer: Offer):
  26.     return offer`
  1. from typing import Union
  3. from fastapi import FastAPI
  4. from pydantic import BaseModel, HttpUrl
  6. app = FastAPI()
  8. class Image(BaseModel):
  9.     url: HttpUrl
  10.     name: str
  12. class Item(BaseModel):
  13.     name: str
  14.     description: Union[str, None] = None
  15.     price: float
  16.     tax: Union[float, None] = None
  17.     tags: set[str] = set()
  18.  images: Union[list[Image], None] = None 
  20. class Offer(BaseModel):
  21.     name: str
  22.     description: Union[str, None] = None
  23.     price: float
  24.  items: list[Item] 
  26. @app.post("/offers/")
  27. async def create_offer(offer: Offer):
  28.     return offer`
  1. from typing import List, Set, Union
  3. from fastapi import FastAPI
  4. from pydantic import BaseModel, HttpUrl
  6. app = FastAPI()
  8. class Image(BaseModel):
  9.     url: HttpUrl
  10.     name: str
  12. class Item(BaseModel):
  13.     name: str
  14.     description: Union[str, None] = None
  15.     price: float
  16.     tax: Union[float, None] = None
  17.     tags: Set[str] = set()
  18.  images: Union[List[Image], None] = None 
  20. class Offer(BaseModel):
  21.     name: str
  22.     description: Union[str, None] = None
  23.     price: float
  24.  items: List[Item] 
  26. @app.post("/offers/")
  27. async def create_offer(offer: Offer):
  28.     return offer`

Info

请注意 Offer 拥有一组 Item 而反过来 Item 又是一个可选的 Image 列表是如何发生的。

纯列表请求体

如果你期望的 JSON 请求体的最外层是一个 JSON array（即 Python list），则可以在路径操作函数的参数中声明此类型，就像声明 Pydantic 模型一样：

images: List[Image]

例如：

Python 3.9+Python 3.8+

  1. from fastapi import FastAPI
  2. from pydantic import BaseModel, HttpUrl
  4. app = FastAPI()
  6. class Image(BaseModel):
  7.     url: HttpUrl
  8.     name: str
  10. @app.post("/images/multiple/")
  11. async def create_multiple_images(images: list[Image]):
  12.     return images`
  1. from typing import List
  3. from fastapi import FastAPI
  4. from pydantic import BaseModel, HttpUrl
  6. app = FastAPI()
  8. class Image(BaseModel):
  9.     url: HttpUrl
  10.     name: str
  12. @app.post("/images/multiple/")
  13. async def create_multiple_images(images: List[Image]):
  14.     return images`

无处不在的编辑器支持

你可以随处获得编辑器支持。

即使是列表中的元素：

请求体 - 嵌套模型 - 图1

如果你直接使用 dict 而不是 Pydantic 模型，那你将无法获得这种编辑器支持。

但是你根本不必担心这两者，传入的字典会自动被转换，你的输出也会自动被转换为 JSON。

任意 dict 构成的请求体

你也可以将请求体声明为使用某类型的键和其他类型值的 dict。

无需事先知道有效的字段/属性（在使用 Pydantic 模型的场景）名称是什么。

如果你想接收一些尚且未知的键，这将很有用。

其他有用的场景是当你想要接收其他类型的键时，例如 int。

这也是我们在接下来将看到的。

在下面的例子中，你将接受任意键为 int 类型并且值为 float 类型的 dict：

Python 3.9+Python 3.8+

  1. from fastapi import FastAPI
  3. app = FastAPI()
  5. @app.post("/index-weights/")
  6. async def create_index_weights(weights: dict[int, float]):
  7.     return weights`
  1. from typing import Dict
  3. from fastapi import FastAPI
  5. app = FastAPI()
  7. @app.post("/index-weights/")
  8. async def create_index_weights(weights: Dict[int, float]):
  9.     return weights`

Tip

请记住 JSON 仅支持将 str 作为键。

但是 Pydantic 具有自动转换数据的功能。

这意味着，即使你的 API 客户端只能将字符串作为键发送，只要这些字符串内容仅包含整数，Pydantic 就会对其进行转换并校验。

然后你接收的名为 weights 的 dict 实际上将具有 int 类型的键和 float 类型的值。

总结

使用 FastAPI 你可以拥有 Pydantic 模型提供的极高灵活性，同时保持代码的简单、简短和优雅。

而且还具有下列好处：

  • 编辑器支持（处处皆可自动补全！）
  • 数据转换（也被称为解析/序列化）
  • 数据校验
  • 模式文档
  • 自动生成的文档