当前位置:首页 > 文章列表 > 文章 > python教程 > 使用 FastAPI 构建 Todo API 的部分:分步指南

使用 FastAPI 构建 Todo API 的部分:分步指南

来源:dev.to 2024-09-09 15:45:57 0浏览 收藏

各位小伙伴们,大家好呀!看看今天我又给各位带来了什么文章?本文标题《使用 FastAPI 构建 Todo API 的部分:分步指南》,很明显是关于文章的文章哈哈哈,其中内容主要会涉及到等等,如果能帮到你,觉得很不错的话,欢迎各位多多点评和分享!

使用 FastAPI 构建 Todo API 的部分:分步指南

使用 fastapi 构建 todo api:分步指南

代码可以在这里找到:github - jamesbmour/blog_tutorials:

一、简介

在上一篇文章中,我们介绍了fastapi并建立了基本的项目结构。现在,我们将更进一步,构建一个功能性的 todo api。在本教程结束时,您将拥有一个可以创建、读取、更新和删除待办事项的工作后端。

我们将涵盖的内容:

  • 设计 todo 数据模型
  • 实现crud操作
  • 创建 api 端点
  • 添加输入验证和错误处理
  • 测试api
  • 重构和组织代码

二.设计 todo 数据模型

为了管理待办事项,我们必须定义一个表示待办事项的数据模型。 fastapi 使用 pydantic 模型来验证和解析数据,因此我们将在这里利用它。

a. 定义 todo 模式

我们将使用 pydantic 创建两个模型:

  • todocreate:用于创建或更新待办事项时的输入数据。
  • todo:用于完整的待办事项,包括 id 和created_at 等字段。
from pydantic import basemodel
from typing import optional
from datetime import datetime

class todocreate(basemodel):
    title: str
    description: optional[str] = none
    completed: bool = false

class todo(basemodel):
    id: str
    title: str
    description: optional[str] = none
    completed: bool
    created_at: datetime

b. 解释字段

  • id:每个待办事项的唯一标识符。
  • 标题:待办事项的主要内容。
  • 描述:其他详细信息(可选)。
  • completed:待办事项的布尔状态(无论是否完成)。
  • created_at:指示待办事项创建时间的时间戳。

三.为 todos 创建 crud 操作

crud 代表创建、读取、更新和删除——管理数据的四个基本操作。在本教程中,我们将使用内存数据库(一个简单的列表)来实现这些操作。

a. 设置内存数据库

我们将使用一个列表来存储我们的待办事项。为了简单起见,我们还将添加一些示例待办事项。

from uuid import uuid4
from datetime import datetime

todos = [
    {
        "id": str(uuid4()),
        "title": "learn fastapi",
        "description": "go through the official fastapi documentation and tutorials.",
        "completed": false,
        "created_at": datetime.now(),
    },
    {
        "id": str(uuid4()),
        "title": "build a todo api",
        "description": "create a rest api for managing todo items using fastapi.",
        "completed": false,
        "created_at": datetime.now(),
    },
    {
        "id": str(uuid4()),
        "title": "write blog post",
        "description": "draft a blog post about creating a todo api with fastapi.",
        "completed": false,
        "created_at": datetime.now(),
    },
]

b. 实现辅助函数

我们将实现一个简单的辅助函数来通过 id 查找待办事项。

def get_todo_by_id(todo_id: str):
    for todo in todos:
        if todo["id"] == todo_id:
            return todo
    return none

四.实施 api 端点

a. 创建新的待办事项

post 端点允许用户创建新的待办事项。

@app.post("/todos/", response_model=todo)
def create_todo(todo: todocreate):
    new_todo = todo(
        id=str(uuid4()),
        title=todo.title,
        description=todo.description,
        completed=todo.completed,
        created_at=datetime.now()
    )
    todos.append(new_todo.dict())
    return new_todo

b. 检索所有待办事项

get 端点从我们的内存数据库中检索所有待办事项。

@app.get("/todos/", response_model=list[todo])
def get_all_todos():
    return todos

c. 检索单个待办事项

get 端点允许通过 id 检索单个待办事项。

@app.get("/todos/{todo_id}", response_model=todo)
def get_todo(todo_id: str):
    todo = get_todo_by_id(todo_id)
    if not todo:
        raise httpexception(status_code=404, detail="todo not found")
    return todo

d. 更新待办事项

put 端点允许用户更新现有的待办事项。

@app.put("/todos/{todo_id}", response_model=todo)
def update_todo(todo_id: str, todo_data: todocreate):
    todo = get_todo_by_id(todo_id)
    if not todo:
        raise httpexception(status_code=404, detail="todo not found")
    todo["title"] = todo_data.title
    todo["description"] = todo_data.description
    todo["completed"] = todo_data.completed
    return todo(**todo)

e. 删除待办事项

delete 端点允许用户通过 id 删除待办事项。

@app.delete("/todos/{todo_id}")
def delete_todo(todo_id: str):
    todo = get_todo_by_id(todo_id)
    if not todo:
        raise httpexception(status_code=404, detail="todo not found")
    todos.remove(todo)
    return {"detail": "todo deleted successfully"}

v. 添加输入验证和错误处理

a. 使用 pydantic 进行输入验证

fastapi 自动根据我们定义的 pydantic 模型验证输入数据。这确保数据在处理之前符合我们预期的模式。

b. 自定义错误处理

我们可以通过添加异常处理程序来自定义错误响应。

@app.exception_handler(HTTPException)
def http_exception_handler(request, exc: HTTPException):
    return JSONResponse(
        status_code=exc.status_code,
        content={"detail": exc.detail},
    )

六.测试 api

fastapi 附带交互式 swagger ui 文档,可以轻松测试您的 api 端点。只需运行应用程序并在浏览器中导航至 /docs 即可。

测试实例

  • 创建待办事项:通过创建新的待办事项来测试 post 端点。
  • 检索待办事项:使用 get 端点获取所有待办事项或按 id 获取特定待办事项。
  • 更新和删除:测试 put 和 delete 端点以更新或删除待办事项。

七.重构和组织代码

随着应用程序的增长,保持代码的组织性至关重要。这里有一些提示:

a. 将模型移动到单独的文件

您可以将 pydantic 模型移动到 models.py 文件中,以保持主应用程序文件干净。

b. 为 todo 端点创建路由器

考虑为与待办事项相关的端点创建一个单独的路由器,特别是随着您的 api 的增长。

八.下一步

在下一篇文章中,我们将把一个真实的数据库(如 sqlite 或 postgresql)集成到我们的 fastapi 应用程序中。我们还将研究用户身份验证和更高级的功能。

建议的改进:

  • 为 get 端点添加过滤和分页。
  • 实现用户身份验证来管理个人待办事项。

九.结论

在本教程中,我们使用 fastapi 构建了一个简单的 todo api。我们首先设计一个数据模型,实现 crud 操作,并创建端点来管理待办事项。我们还涉及输入验证、错误处理和测试。有了这个基础,您可以进一步扩展 api 或将其与前端集成以创建成熟的应用程序。

如果你想支持我的写作或给我买啤酒:
https://buymeacoffee.com/bmours

本篇关于《使用 FastAPI 构建 Todo API 的部分:分步指南》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!

版本声明
本文转载于:dev.to 如有侵犯,请联系study_golang@163.com删除
电脑型号怎么修改? Win11更改设置中的设备型号的教程电脑型号怎么修改? Win11更改设置中的设备型号的教程
上一篇
电脑型号怎么修改? Win11更改设置中的设备型号的教程
Win10系统笔记本电脑为什么充不进电_Win10系统笔记本电脑充不进电解决方法
下一篇
Win10系统笔记本电脑为什么充不进电_Win10系统笔记本电脑充不进电解决方法
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    27次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    131次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    63次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    23次使用
  • CMMLU中文大模型评估基准:功能、使用教程与应用场景解析
    CMMLU
    深入了解CMMLU中文评估基准,涵盖67个学科主题,提供数据集下载、Zero-shot/Five-shot评估方法及排行榜,助力优化中文语言模型性能。
    7次使用