FastAPI(22)- Pydantic Model 结合 Union、List 的使用场景
前言
有多个模型,且请求/响应需要声明多个模型的时候,可以根据不同使用场景结合 typing 库里面的 Union、List 来达到目的
Union
作用
联合类型,详细教程
使用 Union 时,建议首先包含具体的类型,然后是不太具体的类型
实际代码
#!usr/bin/env python # -*- coding:utf-8 _*- """ # author: 小菠萝测试笔记 # blog: https://www.cnblogs.com/poloyy/ # time: 2021/9/22 8:28 上午 # file: 19_extra models.py """ import uvicorn from fastapi import FastAPI from typing import Optional, Union, List, Dict from pydantic import BaseModel, EmailStr app = FastAPI() class BaseItem(BaseModel): description: str type: str class CarItem(BaseItem): # 给了个默认值 type = "car" class PlaneItem(BaseItem): type = "plane" size: int items = { "item1": {"description": "All my friends drive a low rider", "type": "car"}, "item2": { "description": "Music is my aeroplane, it's my aeroplane", "type": "plane", "size": 5, }, } @app.get("/items/{item_id}", response_model=Union[PlaneItem, CarItem]) async def read_item(item_id: str):
# item_id 作为键去 items 中找到对应的值 return items[item_id] if __name__ == "__main__": uvicorn.run(app="20_union_list_dict:app", host="127.0.0.1", port=8080, reload=True, debug=True)
item_id = item1 的请求结果
item_id = item2 的请求结果
List
class Item(BaseModel): name: str description: str items = [ {"name": "Foo", "description": "There comes my hero"}, {"name": "Red", "description": "It's my aeroplane", "size": 123}, # 多了个 size 字段 ] @app.get("/items/", response_model=List[Item]) async def read_items(): return items
正确传参的请求结果
返回的是一个数组
假设响应内容多了个 size
items[1] 多了个 size 字段,但因为响应模型并不包含 size,所以最终返回的数据也不会包含 size
假设响应内容不包含 description
raise ValidationError(errors, field.type_) pydantic.error_wrappers.ValidationError: 1 validation error for Item response -> 1 -> description field required (type=value_error.missing)
- 因为响应模型声明了 name、description 都是必传参数,假设不传就会报错
- 但又因为是响应数据有问题,代表应用程序(服务端)有问题,所以客户端发送请求就会报 500
标签:
FastAPI
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· AI与.NET技术实操系列:基于图像分类模型对图像进行分类
· go语言实现终端里的倒计时
· 如何编写易于单元测试的代码
· 10年+ .NET Coder 心语,封装的思维:从隐藏、稳定开始理解其本质意义
· .NET Core 中如何实现缓存的预热?
· 分享一个免费、快速、无限量使用的满血 DeepSeek R1 模型,支持深度思考和联网搜索!
· 基于 Docker 搭建 FRP 内网穿透开源项目(很简单哒)
· 25岁的心里话
· ollama系列01:轻松3步本地部署deepseek,普通电脑可用
· 按钮权限的设计及实现
2020-09-25 Cypress系列(53)- as() 命令详解