python生态中最能打的web框架:FastAPI初探

FastAPI是什么

FastAPI 是一个用于构建 API 的 web 框架,使用 Python 并基于标准的 Python 类型提示。

与flask相比有什么优势

高性能 :得益于uvloop,可达到与 NodeJSGo 并肩的极高性能

简单:fastapi的设计的易于使用和学习。

文档完善:有官方中文文档,详细有条理,非常便于学习。

自动生成api文档:自动生成兼容OpenAPI相关开放标准的api文档

如何学习

  1. 最好的学习资源是官方文档,有中文版,非常详细清晰 fastapi.tiangolo.com/zh/learn/
  2. 跟着代码亲自输入一遍

下面以 安装、获取请求数据、上传文件、中间件、跨域、后台任务 等常用功能来简单聊聊,同时介绍一个搭配 FastAPI 的高性能异步服务器 uvicorn

安装 FastAPI

安装非常简单,同安装其他依赖没什么区别。

pip install fastapi

不过FastAPI不像flask,会自带一个开发服务器,FastAPI需要额外安装ASGI服务器,官方推荐搭配 uvicorn

安装命令 pip install "uvicorn[standard]"

可选依赖

在使用不同功能时,需要额外安装一些如下依赖。

httpx jinja2 python-multipart itsdangerous pyyaml graphene uvicorn orjson ujson

可以预先通过命令 pip install "fastapi[all]" 来安装以上所有依赖。

一个简单的示例

访问首页/ 返回 hello world

访问 /users/数字根据输入的userID返回问候

python 复制代码
from fastapi import FastAPI

app = FastAPI()

@app.get("/")
def read_root():
    return "Hello World"


@app.get("/users/{user_id}")
def read_item(user_id: int):
    return {"user_id": f'hello, you userID is {user_id}'}

打开 cmd 终端窗口,执行 uvicorn main:app --host 0.0.0.0 --port 8080, 然后浏览器访问 http://127.0.0.1:8080http://127.0.0.1:8080/users/123 即可看到返回的响应。

够简单吧。在这个过程中,FastAPI 将会自动执行以下操作:

  • 校验 GET 请求的路径中是否含有 user_id 参数。

  • 校验 GET 请求中的 user_id 的值是否为 int 类型。

    • 如果不是,客户端将会收到清晰有用的错误信息。
  • 自动对 JSON 进行转换或转换成 JSON。

指定模板目录和使用模板文件

FastAPI 多用于 API 开发,需要模板的场景不多,但需要时也可以支持。 要使用模板,请先安装jinja2依赖,安装命令 pip install jinja2

在使用前,先创建一个模板文件夹,并在代码中使用Jinja2Templates指定该目录,在需要返回模板响应的函数中指定模板文件名字和绑定的数据。

python 复制代码
from fastapi import Request
from fastapi.templating import Jinja2Templates
from fastapi.responses import HTMLResponse

app = FastAPI()

templates = Jinja2Templates(directory="templates")

@app.get("/", response_class=HTMLResponse)
def home(request: Request):
    return templates.TemplateResponse("index.html", {"request": request})

如上,以 Jinja2Templates(directory="templates") 指定当前模板存储于当前目录下的templates文件夹内,在返回响应中,指定使用index.html 模板,并绑定模板中可使用的数据requests

指定静态资源文件夹

同模板需要明确指定一样,静态文件夹也需要手动挂载

ini 复制代码
from fastapi.staticfiles import StaticFiles

app = FastAPI()

app.mount("/static", StaticFiles(directory="static"), name="static")

更推荐使用nginx作为前置,作为静态文件服务器,性能更高。

定义路由

创建一个路由:创建url路径装饰器,以及处理函数。

路径 指的是 URL 中从第一个 / 起的后半部分,例如/,/users

定义一个绑定到/的GET方法的路由,代码如下

csharp 复制代码
@app.get("/") 
async def root(): 
    return {"message": "Hello World"}
    

这就是一个GET 请求路由,当直接访问域名不加任何路径时,将使用这个处理,例如 http://xxxx.com/

@app.get("/")是装饰器,get指定请求方法为GET, 下方的函数是路径操作函数,用于接收请求信息并返回响应

可以返回一个 dictlist,像 strint 一样的单个值,或者 Pydantic 模型

如果要捕获针对/的POST请求, 只需要新加一个路由,使用 @app.post('/')装饰器即可。如下

python 复制代码
@app.post("/") 
async def root(): 
    return {"message": "Hello World"}
    

你也可以使用其他的操作:

  • @app.post()
  • @app.put()
  • @app.delete()

以及更少见的:

  • @app.options()
  • @app.head()
  • @app.patch()
  • @app.trace()

获取GET请求数据

  1. 路径参数:
  • 在装饰器中声明路径参数:支持f''格式的路径参数定义 ,例如 @app.get('/user/{user_id}')

  • 在请求中获取参数值:定义后可直接在处理函数参数上声明该参数及类型,函数体内直接使用

python 复制代码
   @app.get("/items/{user_id}")
   async def read_item(user_id: int):
       return {"uid": user_id}

上例中 user_id:int 声明为int型,FastAPI 自动将路径中对应的user_id字符串转为int类型并赋值给参数user_id,函数体中可直接使用

  1. 查询参数:

查询参数即url上的查询字符串,如xx.com/search?q=hello&page=1

函数声明中的参数,除了路径参数之外的,FastAPI均将他们当做查询参数,去获取和转为指定类型。

同样上面这个示例,额外增加2个参数,keyword:str,limit:int

python 复制代码
@app.get("/items/{user_id}")
    async def read_item(user_id: int,keyword:str,limit:int):
        
        return {"uid": user_id,"keyword":keyword,""}

fastapi将会从url查询字符串中,例如http://xx.com/items/123?keyword=myname&limit=10

获取到函数中定义的同名参数,并转为指定的类型

设为可选参数:如果某个参数可以不存在,只需要简单的指定一个默认值None即可,如limit:int=None,当然也可以指定默认值,只需要将None改为想设置的数字,limit:int=10

Pydantic 数据模型

在使用 POST 请求获取请求体之前,需要提到 Pydantic 数据模型,这是FastAPI能简单而高效的一个重要原因.

Pydantic 是 Python 中使用最广泛的数据验证库。使用它可以非常方便的指定请求和返回的数据,全程自动json化,并自动校验正确性,极大的提高开发效率。

并且底层使用RUST开发,性能很高。

要使用它:

  1. pydantic 中导入 BaseModel
  2. 创建数据模型类并继承 BaseModel
python 复制代码
class Item(BaseModel): 
    name: str 
    description: Union[str, None] = None 
    price: float 
    tax: Union[float, None] = None

FastAPI将自动将该数据模型转为JSON 对象

json 复制代码
{
    "name": "Foo",
    "description": "An optional description",
    "price": 45.2,
    "tax": 3.5
}

在POST请求中就可以直接使用它了,如示例

less 复制代码
@app.post("/items/")
async def create_item(item: Item):
    item_dict = item.dict()
    if item.tax:
        price_with_tax = item.price + item.tax
        item_dict.update({"price_with_tax": price_with_tax})
    return item_dict

在这个请求中,检测到 items 是一个数据模型类型,FastAPI就会自动从post请求体中获取模型声明的对应参数,并赋值给 item,在函数体中则可以直接使用它。比自行处理body要方便很多。

获取POST请求体

JSON body请求体/application/json

  1. 声明请求体参数

使用与声明查询参数相同的方式声明请求体:

python 复制代码
class Item(BaseModel): 
    name: str 
    description: Union[str, None] = None 
    price: float 
    tax: Union[float, None] = None
    

@app.post("/items/")
async def create_item(item: Item):
    return item

如上,声明了一个请求体item,类型是Item,FastAPI将自动从请求体中获取并转为Item类型的数据赋值给item

  1. 获取请求体中的数据

在函数中中即可直接使用 item.name item.price获取请求参数值

上述声明后,Fastapi将自动进行以下操作

  • 以 JSON 形式读取请求体

  • (在必要时)把请求体转换为对应的类型

  • 校验数据:

    • 数据无效时返回错误信息,并指出错误数据的确切位置和内容
  • 把接收的数据赋值给参数 item

    • 把函数中请求体参数的类型声明为 Item,还能获得代码补全等编辑器支持

普通表单数据获取

接收的不是 JSON,而是表单字段时,要使用 Form 模块

先导入from fastapi import FastAPI,Form

声明方法依然和查询参数声明一样,在函数上以参数形式定义,不同的是必须指定默认值Form().

python 复制代码
from fastapi import FastAPI, Form

app = FastAPI()


@app.post("/login/")
async def login(username: str = Form(), password: str = Form()):
    return {"username": username}

如果没有指定,FastAPI只会将它当做查询参数来处理

获取上传文件

因为上传文件以「表单数据」形式发送。所以接收上传文件,要预先安装 pip install python-multipart

定义文件参数时使用 UploadFile 模块

先导入 from fastapi import FastAPI, File, UploadFile

声明方式一如既往,在函数中以参数定义,指定数据类型类为UploadFile

python 复制代码
@app.post("/uploadfile/")
async def create_upload_file(file: UploadFile):
    return {"filename": file.filename}

剩下的复杂操作FastAPI会自动处理。

上述代码中的 file即是获取到的上传文件,它是一个UploadFile对象,属性如下

UploadFile 的属性如下:

filename:上传文件名字符串(str),例如, myimage.jpg

content_type:内容类型(MIME 类型 / 媒体类型)字符串(str),例如,image/jpeg

filefile-like 对象。其实就是 Python文件,可直接传递给其他预期 file-like 对象的函数或支持库。

UploadFile 支持以下 async 方法

write(data):把 datastrbytes)写入文件;

read(size):按指定数量的字节或字符(size (int))读取文件内容;

seek(offset):移动至文件 offsetint)字节处的位置;

markdown 复制代码
-   例如,`await myfile.seek(0)` 移动到文件开头;
-   执行 `await myfile.read()` 后,需再次读取已读取内容时,这种方法特别好用;

close():关闭文件。

因为上述方法都是 async 方法,要搭配「await」使用。

例如读取contents = await myfile.read()

如果你的函数没有使用async声明,则不可使用await,可使用以下方法替代

contents = myfile.file.read()

设置和返回cookie

  1. 从请求中获取cookie

和定义路径参数、查询参数类似,只需要在函数中定义cookie参数,即可直接使用。类似

python 复制代码
from typing import Union

from fastapi import Cookie, FastAPI
from typing_extensions import Annotated

app = FastAPI()


@app.get("/items/")
async def read_items(ads_id: Annotated[Union[str, None], Cookie()] = None):
    return {"ads_id": ads_id}

当然形式有所变化,需要先从typing_extensions中导入Annotated

ads_id: Annotated[Union[str, None], Cookie()] = None 表示从cookie中取出名为ads_id的cookie的值

在声明时,必须使用 Cookie 声明 cookie 参数,否则该参数会被解释为查询参数。
Annotated 是Python中的一个装饰器(Decorator),它的作用是为函数、方法、类等对象添加额外的注释信息。这些注释信息可以包括参数和返回值的类型、文档字符串的内容、函数的调用示例等。使用 Annotated 能够帮助开发者更好地了解代码的用途和使用方式,提高代码的可读性和可维护性。

  1. 响应Cookies

要在响应中返回cookie,需要定义一个类型为 Response的参数,这样你就可以在这个临时响应对象中设置cookie

python 复制代码
from fastapi import FastAPI, Response

app = FastAPI()


@app.post("/cookie-and-object/")
def create_cookie(response: Response):
    response.set_cookie(key="fakesession", value="fake-cookie-session-value")
    return {"message": "Come to the dark side, we have cookies"}

中间件

"中间件"是一个函数,它在每个请求 被特定的路径操作 处理之前,以及在每个响应返回之前工作.

  1. 创建中间件

要创建中间件可以在函数的顶部使用装饰器,例如 @app.middleware("http").

中间件参数接收如下参数:

  • request

  • 一个函数 call_next 它将接收 request 作为参数.

    • 这个函数将 request 传递给相应的 路径操作.
    • 然后它将返回由相应的路径操作 生成的 response.
  • 然后你可以在返回 response 前进一步修改它.

less 复制代码
@app.middleware("http")
async def add_process_time_header(request: Request, call_next):
    start_time = time.time()
    response = await call_next(request)
    process_time = time.time() - start_time
    response.headers["X-Process-Time"] = str(process_time)
    return response

跨域处理

FastAPI 应用中使用 CORSMiddleware中间件 来配置跨域。

  • 导入 CORSMiddleware
  • 创建一个允许的源列表(由字符串组成)。
  • 将其作为「中间件」添加到你的 FastAPI 应用中。
ini 复制代码
from fastapi import FastAPI
from fastapi.middleware.cors import CORSMiddleware

app = FastAPI()

origins = [
    "http://localhost.tiangolo.com",
    "https://localhost.tiangolo.com",
    "http://localhost",
    "http://localhost:8080",
]

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


@app.get("/")
async def main():
    return {"message": "Hello World"}

CORS 预检请求

在复杂的请求时,需要有一个OPTIONS预检请求,这是带有 OriginAccess-Control-Request-Method 请求头的 OPTIONS 请求。

在这种情况下,中间件将拦截传入的请求并进行响应,出于提供信息的目的返回一个使用了适当的 CORS headers 的 200400 响应。

简单后台任务

所谓后台任务,其实就是将相关数据交给另一个函数,然后立即返回,无需等待另一个函数的返回结果,适合于需要较长时间运行的任务,比如发送短信、邮件等。

也适合在异步处理函数中调用同步函数的情况。

当然如果你需要立即获得响应,那么不适合使用后台任务

后台任务使用BackgroundTasks实现

python 复制代码
from fastapi import BackgroundTasks, FastAPI

app = FastAPI()


def write_notification(email: str, message=""):
    with open("log.txt", mode="w") as email_file:
        content = f"notification for {email}: {message}"
        email_file.write(content)


@app.post("/send-notification/{email}")
async def send_notification(email: str, background_tasks: BackgroundTasks):
    background_tasks.add_task(write_notification, email, message="some notification")
    return {"message": "Notification sent in the background"}

实现步骤:

  1. 首先创建一个函数,实现实际执行任务的功能
  2. 在请求中注入 BackgroundTasks 然后调用 add_task, 添加任务和数据

.add_task() 接收以下参数:

  • 在后台运行的任务函数(write_notification)。
  • 应按顺序传递给任务函数的任意参数序列(email)。
  • 应传递给任务函数的任意关键字参数(message="some notification")。

uvicorn 服务器

fastapi不自带web服务器,官方推荐 uvicorn 。这是一个高性能 ASGI 服务器

pip install "uvicorn[standard]"

安装后即可在命令行中启动服务 uvicorn main:app --host 0.0.0.0 --port 80

当然也可以直接从代码中启动

python 复制代码
import uvicorn

async def app(scope, receive, send):
    ...

if __name__ == "__main__":
    uvicorn.run("main:app", port=5000, log_level="info")
相关推荐
Python大数据分析@3 分钟前
python操作CSV和excel,如何来做?
开发语言·python·excel
黑叶白树4 分钟前
简单的签到程序 python笔记
笔记·python
Shy96041817 分钟前
Bert完形填空
python·深度学习·bert
上海_彭彭28 分钟前
【提效工具开发】Python功能模块执行和 SQL 执行 需求整理
开发语言·python·sql·测试工具·element
zhongcx0144 分钟前
使用Python查找大文件的实用脚本
python
yyfhq2 小时前
sdnet
python
测试19982 小时前
2024软件测试面试热点问题
自动化测试·软件测试·python·测试工具·面试·职场和发展·压力测试
love_and_hope2 小时前
Pytorch学习--神经网络--搭建小实战(手撕CIFAR 10 model structure)和 Sequential 的使用
人工智能·pytorch·python·深度学习·学习
海阔天空_20132 小时前
Python pyautogui库:自动化操作的强大工具
运维·开发语言·python·青少年编程·自动化
零意@2 小时前
ubuntu切换不同版本的python
windows·python·ubuntu