logo
搜索
我的图书馆

发文章

发文工具

其他工具

留言交流
搜索
分享

FastAPI入门教程

 只怕想不到 2023-10-23 发布于湖北

本文将会通过与Flask的对比，来介绍FastAPI的基础使用。熟悉Flask的读者，阅读本文后应当不难掌握FastAPI。

图片

Flask作为Python语言中的老牌Web框架，已经被应用于大量的Python Web开发项目，其使用简洁，支持工具众多，工具丰富，社区活跃，是Python Web框架中的佼佼者之一。

而近来，FastAPI的出众表现，已使得其越来越受到众多开发者的关注，成为Web开发主流框架之一。FastAPI优势[1]如下：

  • · 快速：可与 NodeJS 和 Go 并肩的极高性能（归功于 Starlette 和 Pydantic）。最快的 Python web 框架之一。

  • · 高效编码：提高功能开发速度约 200％ 至 300％。

  • · 更少 bug：减少约 40％ 的人为（开发者）导致错误。

  • · 智能：极佳的编辑器支持。处处皆可自动补全，减少调试时间。

  • · 简单：设计的易于使用和学习，阅读文档的时间更短。

  • · 简短：使代码重复最小化。通过不同的参数声明实现丰富功能。bug 更少。

  • · 健壮：生产可用级别的代码。还有自动生成的交互式文档。

  • · 标准化：基于（并完全兼容）API 的相关开放标准：OpenAPI (以前被称为 Swagger) 和 JSON Schema。

下面将会结合Flask的使用作为对比，来介绍FastAPI，作为FastAPI的入门教程。

本文使用的两个Web框架版本如下：

fastapi==0.101.1
Flask==2.3.3

Hello World

Flask的代码如下：

# app.py
from flask import Flask

app = Flask(__name__)

@app.route('/')
def home():
return 'hello world'

if __name__ == '__main__':
app.run()

FastAPI的代码如下：

# app.py
import uvicorn
from fastapi import FastAPI

app = FastAPI()


@app.get('/')
def home():
return 'hello world'


if __name__ == '__main__':
uvicorn.run(app)

两者的代码差别不多，运行时Flask的默认端口为5000，FastAPI的端口为8000，使用curl命令请求（FastAPI），返回结果如下：

$ curl localhost:8000/
'hello world'

在部署生产代码时，Flask使用gunicorn，示例命令如下：

gunicorn app:app

而FastAPI使用uvicorn，示例命令如下：

uvicorn app:app

当然，在实际部署时还可指定端口（port）、worker数量、最大连接数等，本文不再详述。

HTTP方法

常见的HTTP请求方法有GET, POST, PUT, PATCH, DELETE等。

以POST方法为例，Flask的代码如下：

@app.route('/', methods=['POST'])
def example():
...

FastAPI的代码如下：

@app.post('/')
def example():
...

其它HTTP请求方法的使用方法如下：

@app.get('/')
@app.put('/')
@app.patch('/')
@app.delete('/')

URL 变量

我们想从URL中获取user id，比如/users/1，然后将user id返回给用户。

Flask的代码如下：

@app.route('/users/<int:user_id>')
def get_user_details(user_id):
return {'user_id': user_id}

FastAPI的代码如下：

@app.get('/users/{user_id}')
def get_user_details(user_id: int):
return {'user_id': user_id}

使用curl命令模拟请求如下：

$ curl localhost:8000/users/2
{'user_id':2}

查询字符串

我们希望允许用户在URL中使用查询字符串 ?q=abc来指定搜索词。

Flask的代码如下：

from flask import request

@app.route('/search')
def search():
query = request.args.get('q')
return {'query': query}

FastAPI的代码如下：

@app.get('/search')
def search(q: str):
return {'query': q}

使用curl命令模拟请求如下：

$ curl 'localhost:8000/search?q=abcde'
{'query':'abcde'}

如果要指定多个搜索词，可以&符号隔开，比如：

?name=Jack&id=1

JSON Post 请求

我们希望发送一个带有text参数JSON POST请求，返回其小写形式。

# Request
{'text': 'HELLO'}

# Response
{'text': 'hello'}

Flask代码如下：

from flask import request

@app.route('/lowercase', methods=['POST'])
def lower_case():
text = request.json.get('text')
return {'text': text.lower()}

FastAPI代码如下：

from typing import Dict

@app.post('/lowercase')
def lower_case(json_data: Dict):
text = json_data.get('text')
return {'text': text.lower()}

注意：FastAPI还有更优雅的处理方式，那就是引入Pydantic schema，它可以将JSON格式数据映射为schema对象，同时对该对象中的数据类型进行校验，如校验不通过，则会返回自动生成的校验错误。

FastAPI更优雅的代码如下：

class Sentence(BaseModel):
text: str

@app.post('/lowercase')
def lower_case(sentence: Sentence):
return {'text': sentence.text.lower()}

使用curl命令模拟请求如下：

$ curl --location 'localhost:8000/lowercase' \
--header 'Content-Type: application/json' \
--data '{
'text': 'HELLO'
}'
{'text':'hello'}

在请求时，如果text对应的value为数字时，FastAPI会自动将数字转化为字符串，不会报错；如果text对应的value为null时，FastAPI将会报错，信息如下：

{
'detail': [
{
'loc': [
'body',
'text'
],
'msg': 'none is not an allowed value',
'type': 'type_error.none.not_allowed'
}
]
}

文件上传

我们来创建一个上传文件的API，返回上传文件的文件名。

Flask代码如下：

# app.py

from flask import Flask, request
app = Flask(__name__)

@app.route('/upload', methods=['POST'])
def upload_file():
file = request.files.get('file')
return {'name': file.filename}

FastAPI的代码如下：

# app.py
from fastapi import FastAPI, UploadFile, File

app = FastAPI()

@app.post('/upload')
def upload_file(file: UploadFile = File(...)):
return {'name': file.filename}

使用Postman模拟请求如下：

$ curl --location 'localhost:8000/upload' \
--header 'Content-Type: multipart/form-data' \
--form 'file=@'/Users/admin/Documents/test.pdf''
{'name': 'test.pdf'}

表单提交

我们希望从表单中获取text类型的变量，并返回它的值，如下：

<input name='city' type='text'>

Flask代码如下：

# app.py

from flask import Flask, request
app = Flask(__name__)

@app.route('/submit', methods=['POST'])
def echo():
city = request.form.get('city')
return {'city': city}

FastAPI代码如下：

# app.py
from fastapi import FastAPI, Form
app = FastAPI()

@app.post('/submit')
def echo(city: str = Form(...)):
return {'city': city}

使用curl命令模拟请求如下：

$ curl --location 'localhost:8000/submit' \
--form 'city='shanghai''
{'city':'shanghai'}

Cookies

我们希望从请求的cookie中获取name字段的值。

Flask代码如下：

# app.py

from flask import Flask, request
app = Flask(__name__)

@app.route('/profile')
def profile():
name = request.cookies.get('name')
return {'name': name}

FastAPI代码如下：

# app.py
from fastapi import FastAPI, Cookie
app = FastAPI()

@app.get('/profile')
def profile(name=Cookie(None)):
return {'name': name}

模块化视图

我们希望将单个的app.py文件分解成视图（多个独立的文件），如下：

- app.py
- views
- user.py

在Flask中，我们可以使用蓝图（Blueprint）来管理，代码如下：

user.py

# views/user.py
from flask import Blueprint
user_blueprint = Blueprint('user', __name__)

@user_blueprint.route('/users')
def list_users():
return {'users': ['a', 'b', 'c']}

app.py

# app.py
from flask import Flask
from views.user import user_blueprint

app = Flask(__name__)
app.register_blueprint(user_blueprint)

在FastAPI中，与蓝图等价的实现形式为router，首先需创建一个user router如下：

# routers/user.py
from fastapi import APIRouter
router = APIRouter()

@router.get('/users')
def list_users():
return {'users': ['a', 'b', 'c']}

将其加入app.py中，代码如下：

# app.py
from fastapi import FastAPI
from routers import user

app = FastAPI()
app.include_router(user.router)

数据校验

Flask本身并没有提供数据校验功能，可使用marshmalllow或pydantic模块来辅助实现。

而FastAPI在其框架中已包装pydantic模块，可轻松实现数据校验。示例代码如下：

import uvicorn
from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()


class User(BaseModel):
name: str
age: int


@app.post('/users')
def save_user(user: User):
return {'name': user.name,
'age': user.age}


if __name__ == '__main__':
uvicorn.run(app)

关于pydantic的schema与JSON格式对应关系，在此给出三个例子：

例子1键值对（key-value pairs）

{
'name': 'Isaac',
'age': 60
}
from pydantic import BaseModel

class User(BaseModel):
name: str
age: int

例子2列表

{
'series': ['GOT', 'Dark', 'Mr. Robot']
}
from pydantic import BaseModel
from typing import List

class Metadata(BaseModel):
series: List[str]

例子3嵌套对象

{
'users': [
{
'name': 'xyz',
'age': 25
},
{
'name': 'abc',
'age': 30
}
],
'group': 'Group A'
}
from pydantic import BaseModel
from typing import List

class User(BaseModel):
name: str
age: int

class UserGroup(BaseModel):
users: List[User]
group: str

自动化文档

Flask并没有提供内置的自动化文档生成，可使用flask-swagger或flask-restful模块来辅助实现。

FastAPI可生成自动化文档，文档风格包括swagger和redoc，其中swagger对应路径为/docs，redoc对应路径为/redoc，如下所示：

Swagger风格

图片
swagger风格文档
图片
查看某个接口

ReDoc风格

图片
ReDoc风格文档

CORS

Flask本身不支持CORS，可使用flask-cors模块辅助实现，代码如下：

# app.py

from flask import Flask
from flask_cors import CORS

app_ = Flask(__name__)
CORS(app_)

FastAPI提供了内置的中间件来处理CORS，示例代码如下：

# app.py
from fastapi import FastAPI
from fastapi.middleware.cors import CORSMiddleware

app = FastAPI()

app.add_middleware(
CORSMiddleware,
allow_origins=['*'],
allow_credentials=True,
allow_methods=['*'],
allow_headers=['*'],
)

总结

本文通过与Flask的对比，来介绍FastAPI的基础使用。如果读者想进一步了解FastAPI的高级使用方法，可参考FastAPI官方文档[2]。

感谢阅读~

引用链接

[1]FastAPI优势: https://fastapi./
[2]FastAPI官方文档: https://fastapi./zh/

    本站是提供个人知识管理的网络存储空间，所有内容均由用户发布，不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息，谨防诈骗。如发现有害或侵权内容，请点击一键举报。
    转藏 分享 献花（0）

    来自： 只怕想不到 > 《Python》

    举报/认领

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多