使用 FastAPI 构建 Todo API 的部分:分步指南
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?本文标题是《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: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!

- 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

- 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
-
- 文章 · python教程 | 3小时前 |
- Python中如何用Lock确保线程安全?
- 144浏览 收藏
-
- 文章 · python教程 | 3小时前 |
- Python创建WebSocket服务器的超详细教程
- 417浏览 收藏
-
- 文章 · python教程 | 3小时前 |
- PythonLock对象使用技巧大全
- 183浏览 收藏
-
- 文章 · python教程 | 4小时前 |
- PyCharm远程调试:Linux服务器Python项目攻略
- 381浏览 收藏
-
- 文章 · python教程 | 5小时前 |
- 数据类型转换实战技巧及应用指南
- 229浏览 收藏
-
- 文章 · python教程 | 8小时前 |
- Python学习全攻略及资源推荐
- 464浏览 收藏
-
- 文章 · python教程 | 9小时前 | 决策树 scikit-learn 过拟合 随机森林 特征重要性
- Python决策树使用技巧及方法详解
- 125浏览 收藏
-
- 文章 · python教程 | 9小时前 |
- Python中如何计算移动平均线?
- 112浏览 收藏
-
- 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。
- 542次学习
-
- 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。
- 508次学习
-
- 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
- 497次学习
-
- 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
- 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。
- 484次学习
-
- 可图AI图片生成
- 探索快手旗下可灵AI2.0发布的可图AI2.0图像生成大模型,体验从文本生成图像、图像编辑到风格转绘的全链路创作。了解其技术突破、功能创新及在广告、影视、非遗等领域的应用,领先于Midjourney、DALL-E等竞品。
- 7次使用
-
- MeowTalk喵说
- MeowTalk喵说是一款由Akvelon公司开发的AI应用,通过分析猫咪的叫声,帮助主人理解猫咪的需求和情感。支持iOS和Android平台,提供个性化翻译、情感互动、趣味对话等功能,增进人猫之间的情感联系。
- 7次使用
-
- Traini
- SEO摘要Traini是一家专注于宠物健康教育的创新科技公司,利用先进的人工智能技术,提供宠物行为解读、个性化训练计划、在线课程、医疗辅助和个性化服务推荐等多功能服务。通过PEBI系统,Traini能够精准识别宠物狗的12种情绪状态,推动宠物与人类的智能互动,提升宠物生活质量。
- 6次使用
-
- 可图AI 2.0图片生成
- 可图AI 2.0 是快手旗下的新一代图像生成大模型,支持文本生成图像、图像编辑、风格转绘等全链路创作需求。凭借DiT架构和MVL交互体系,提升了复杂语义理解和多模态交互能力,适用于广告、影视、非遗等领域,助力创作者高效创作。
- 15次使用
-
- 毕业宝AIGC检测
- 毕业宝AIGC检测是“毕业宝”平台的AI生成内容检测工具,专为学术场景设计,帮助用户初步判断文本的原创性和AI参与度。通过与知网、维普数据库联动,提供全面检测结果,适用于学生、研究者、教育工作者及内容创作者。
- 26次使用
-
- Flask框架安装技巧:让你的开发更高效
- 2024-01-03 501浏览
-
- Django框架中的并发处理技巧
- 2024-01-22 501浏览
-
- 提升Python包下载速度的方法——正确配置pip的国内源
- 2024-01-17 501浏览
-
- Python与C++:哪个编程语言更适合初学者?
- 2024-03-25 501浏览
-
- 品牌建设技巧
- 2024-04-06 501浏览