路徑參數、查詢參數，和請求體混合

首先，我們需要導入所需的庫。我們將使用FastAPI、Path和Annotated來處理路由和參數，并使用BaseModel和Union來自定義數據模型。

完整示例代碼

from typing import Annotated, Unionfrom fastapi import FastAPI, Path
from pydantic import BaseModelapp = FastAPI()class Book(BaseModel):title: strauthor: Union[str, None] = Nonepages: int@app.put("/books/{book_id}")
async def update_book(book_id: Annotated[int, Path(title="The ID of the book to get", ge=0, le=1000)],q: Union[str, None] = None,book: Union[Book, None] = None,
):results = {"book_id": book_id}if q:results.update({"q": q})if book:results.update({"book": book})return results

代碼分析

class Book(BaseModel):title: strauthor: Union[str, None] = Nonepages: int

定義一個自定義的數據模型類。在這個例子中，我們將創建一個名為Book的類，它包含以下字段：title（字符串）、author（字符串，可選）和pages（整數）：

接下來，我們定義一個帶有查詢參數和路徑參數的路由。這個路由將用于更新一本書的信息：

@app.put("/books/{book_id}")
async def update_book(book_id: Annotated[int, Path(title="The ID of the book to get", ge=0, le=1000)],q: Union[str, None] = None,book: Union[Book, None] = None,
):results = {"book_id": book_id}if q:results.update({"q": q})if book:results.update({"book": book})return results

在這個例子中，我們定義了一個PUT請求的路由，其路徑為"/books/{book_id}"。我們使用了Path對象來指定路徑參數book_id的約束條件：大于等于0且小于等于1000。

我們還添加了一個名為q的查詢參數，它可以是字符串或None。

最后，我們添加了一個名為book的參數，它可以是一個Book對象或None。這個參數允許用戶在請求體中傳遞書籍的詳細信息。

打開自動化測試文檔，我們可以看到如下內容

發起請求進行測試

總結

通過使用FastAPI、Path和Annotated，你可以輕松地定義具有復雜參數的路由。同時，使用Pydantic的BaseModel可以讓你更方便地定義數據模型并自動進行數據驗證。

多個請求體

完整示例代碼

from typing import Unionfrom fastapi import FastAPI, Body
from pydantic import BaseModelclass Product(BaseModel):name: strdescription: Union[str, None] = Noneprice: floattax: Union[float, None] = Noneclass Customer(BaseModel):username: strfull_name: Union[str, None] = Noneapp = FastAPI()@app.put("/products/{product_id}")
async def update_product(product_id: int, product: Product = Body(...), customer: Customer = Body(...)):results = {"product_id": product_id, "product": product, "customer": customer}return results

這段代碼定義了一個FastAPI應用，該應用可以處理一個PUT請求，這個請求包含了商品信息和客戶信息。下面是對這段代碼的詳細解釋。

首先，我們導入了所需的庫：

from typing import Unionfrom fastapi import FastAPI, Body
from pydantic import BaseModel

然后，我們定義了兩個模型類：Product和Customer：

class Product(BaseModel):name: strdescription: Union[str, None] = Noneprice: floattax: Union[float, None] = Noneclass Customer(BaseModel):username: strfull_name: Union[str, None] = None

這兩個類分別代表商品和客戶。它們都是BaseModel的子類，這意味著它們可以被用于解析JSON數據。

接下來，我們創建了一個FastAPI應用實例：

app = FastAPI()

最后，我們編寫了一個路由處理器函數：update_product：

@app.put("/products/{product_id}")
async def update_product(product_id: int, product: Product = Body(...), customer: Customer = Body(...)):results = {"product_id": product_id, "product": product, "customer": customer}return results

這個函數接收三個參數：商品ID、商品和客戶。其中，商品和客戶是通過Body裝飾器從請求體中獲取的。當客戶端發起PUT請求到"/products/{product_id}"時，FastAPI會自動將請求體中的JSON數據轉換為Product和Customer對象。

嵌套參數

from typing import Annotated, Unionfrom fastapi import Body, FastAPI
from pydantic import BaseModelapp = FastAPI()class Book(BaseModel):name: strdescription: Union[str, None] = Noneprice: floattax: Union[float, None] = None@app.put("/books/{book_id}")
async def update_book(book_id: int, book: Annotated[Book, Body(embed=True)]):results = {"book_id": book_id, "book": book}return results

效果