前言：

写Java好久了，给自己定个小目标，下个项目使用Python做web开发，主要原因是我们的项目用户量不大，而且QPS低，所以可以在不同的业务方案切换，同时体验下Python的开发效率。

在之前的工作中使用过Django，也了解过Flask，不过在其他项目中看到同事使用FastAPI ,今天就体验下，下次直接用在项目中。

1、官网信息

官方文档：FastAPI

文档： fastapi.tiangolo.com

源码：GitHub - tiangolo/fastapi: FastAPI framework, high performance, easy to learn, fast to code, ready for production

FastAPI 是一个用于构建 API 的现代、快速（高性能）的 web 框架，使用 Python 3.6+ 并基于标准的 Python 类型提示。

关键特性:

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。
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。

2、环境安装

pip install fastapi -i pypi.tuna.tsinghua.edu.cn/simple pip install "uvicorn[standard]" -i pypi.tuna.tsinghua.edu.cn/simple 直接使用官方的命令，总是timeout，所以直接切换到国内的源，

安装其他的包也可以用这个方式哦

3、写个demo

我使用的Python是3.8，pycharm社区版。

直接创建一个Python项目就行，然后执行上一步的安装包

拷贝下面的代码到main.py

python 复制代码

from typing import Union
from fastapi import Header, FastAPI
from fastapi import FastAPI
import uvicorn
 
# 类似于 app = Flask(__name__)
app = FastAPI()
 
 
# 绑定路由和视图函数
@app.get("/")
async def index():
    return {"name": "香菜"}
# 绑定路由和视图函数
@app.get("/testcookie")
async def index(token: Union[str, None] = Header(default=None)):
    return {"name": token}
 
# 在 Windows 中必须加上 if __name__ == "__main__"
# 否则会抛出 RuntimeError: This event loop is already running
if __name__ == "__main__":
    # 启动服务，因为我们这个文件叫做 main.py
    # 所以需要启动 main.py 里面的 app
    # 第一个参数 "main:app" 就表示这个含义
    # 然后是 host 和 port 表示监听的 ip 和端口
    uvicorn.run("main:app", host="0.0.0.0", port=5555)

运行之后

4、关注的几个技术点

4.1 路径参数数据接收

这个还是挺简单的

python 复制代码

from fastapi import FastAPI
 
app = FastAPI()
 
 
@app.get("/items/{item_id}")
async def read_item(item_id):
    return {"item_id": item_id}

4.2 查询参数数据接收

声明不属于路径参数的其他函数参数时，它们将被自动解释为"查询字符串"参数

python 复制代码

from fastapi import FastAPI
 
app = FastAPI()
 
fake_items_db = [{"item_name": "Foo"}, {"item_name": "Bar"}, {"item_name": "Baz"}]
 
 
@app.get("/items/")
async def read_item(skip: int = 0, limit: int = 10):
    return fake_items_db[skip : skip + limit]

查询字符串是键值对的集合，这些键值对位于 URL 的？之后，并以 & 符号分隔。

例如，在以下 url 中：

http://127.0.0.1:8000/items/?skip=0&limit=10

...查询参数为：

skip：对应的值为 0 limit：对应的值为 10 由于它们是 URL 的一部分，因此它们的"原始值"是字符串。

4.3 post 数据接收

定义数据模型，当一个模型属性具有默认值时，它不是必需的。否则它是一个必需属性。将默认值设为 None 可使其成为可选属性。

python 复制代码

from typing import Union
 
from fastapi import FastAPI
from pydantic import BaseModel
 
 
class Item(BaseModel):
    name: str
    description: Union[str, None] = None
    price: float
    tax: Union[float, None] = None
 
 
app = FastAPI()
 
 
@app.post("/items/")
async def create_item(item: Item):
    return item

4.4 header数据接收
from typing import Union
 
from fastapi import FastAPI, Header
 
app = FastAPI()
 
 
@app.get("/items/")
async def read_items(user_agent: Union[str, None] = Header(default=None)):
    return {"User-Agent": user_agent}

4.5 cookie数据接收

python 复制代码

from typing import Union
 
from fastapi import Cookie, FastAPI
 
app = FastAPI()
 
 
@app.get("/items/")
async def read_items(ads_id: Union[str, None] = Cookie(default=None)):
    return {"ads_id": ads_id}

5、总结

5.1 没有使用门槛 fastAPI 对于我来说并没有太多的新鲜感，大部分的使用方式也和Springboot很像，没什么新鲜感，带来的好处就是没有使用门槛。

5.2 开发效率可能对于我来说还真没有多少提升，但是还是想试一试

5.3 劣势看到fastAPI使用了Pydantic 模型来声明请求体，并能够获得它们所具有的所有能力和优点。

这个需要学习，也不知道会有多少学习成本，不熟。

FastAPI 初体验，效率杠杠滴

前言：

1、官网信息

2、环境安装

3、写个demo

4、关注的几个技术点

4.1 路径参数数据接收

4.2 查询参数数据接收

4.3 post 数据接收

4.5 cookie数据接收

5、总结