你是不是还在为Python Web API开发的速度和复杂度头疼？FastAPI的GitHub星标数在3年内从0飙升至超过60,000，成为增长最快的Python框架之一！
本文为Python开发者提供一份实用的FastAPI入门指南，涵盖其核心简介、简明使用教程、常用文件结构，并对比Flask等框架的优势与不足。通过代码示例和结构解析，助你快速上手高性能API开发。
目录：
- ✨ FastAPI是什么？
- 🚀 快速上手：一个最小示例
- 📁 常用文件结构
- ⚖️ FastAPI vs Flask：优势与不足
- 💻 完整代码参考
✨ FastAPI是什么？
FastAPI是一个基于Python 3.6+类型提示的现代Web框架，专为构建高性能API设计。它由Sebastián Ramírez开发，融合了Starlette（ASGI框架）和Pydantic（数据验证），让你用更少的代码实现更多功能。
核心特点一览：
-
- 极高性能：支持异步编程，速度媲美Node.js和Go，轻松处理高并发请求。
-
- 开发效率高：自动生成交互式API文档（Swagger UI和ReDoc），减少手动编写文档的麻烦。
-
- 类型安全：利用Python类型提示进行自动数据验证和序列化，提升代码可维护性。
-
- 易于学习：设计简洁，文档清晰，即使新手也能快速入门。
🚀 快速上手：一个最小示例
只需几步，你就能跑起第一个FastAPI应用。首先，安装必备库：
uv add fastapi uvicorn[standard]接着，创建一个名为main.py的文件，并写入以下代码：
from fastapi import FastAPI
app = FastAPI()
@app.get("/")
def read_root():
return {"Hello": "World"}
@app.get("/items/{item_id}")
def read_item(item_id: int, q: str = None):
return {"item_id": item_id, "q": q}运行应用：
uv run uvicorn main:app --reload打开浏览器，访问 http://127.0.0.1:8000 会看到JSON响应；访问 http://127.0.0.1:8000/docs 即可使用自动生成的交互式文档测试API端点。是不是很简单？
📁 常用文件结构
随着项目变大，良好的文件结构能提升可维护性。以下是推荐的FastAPI项目布局：
my_project/
├── .venv/
├── app/
│ ├── __init__.py
│ ├── main.py # 创建FastAPI实例和主路由
│ ├── api/ # 存放所有路由端点
│ │ ├── __init__.py
│ │ ├── items.py # 示例：商品相关端点
│ │ └── users.py # 示例：用户相关端点
│ ├── models/ # SQLAlchemy等ORM模型（可选）
│ ├── schemas/ # Pydantic模型，用于数据验证
│ ├── core/ # 核心配置（如数据库连接、设置）
│ └── utils/ # 工具函数
├── tests/ # 测试文件
├── pyproject.toml
└── README.md这种结构清晰分离关注点：main.py初始化应用，api/处理路由，schemas/定义数据模式。例如，在api/items.py中：
from fastapi import APIRouter
router = APIRouter()
@router.get("/items/")
def get_items():
return [{"name": "Item 1"}, {"name": "Item 2"}]然后在main.py中导入路由，让项目模块化，便于团队协作。
⚖️ FastAPI vs Flask：优势与不足
FastAPI常被拿来与Flask比较，两者都是流行的Python Web框架。以下是关键对比：
FastAPI的优势：
-
- 性能领先：基于ASGI，原生支持异步，适合高并发场景；Flask基于WSGI，通常同步运行。
-
- 开箱即用的文档：自动生成OpenAPI规范文档，无需额外配置；Flask需要扩展如Flask-RESTX。
-
- 现代开发体验：深度集成类型提示，编辑器支持好，减少运行时错误；Flask更依赖约定和扩展。
-
- 数据验证自动化：通过Pydantic自动验证请求数据；Flask通常需要手动处理或第三方库。
FastAPI的不足：
-
- 生态系统较新：Flask有更丰富的插件和社区资源，FastAPI的第三方库相对较少。
-
- 异步学习曲线：如果你不熟悉异步编程，可能需要时间适应；Flask的同步模式更易上手。
-
- 适用场景：FastAPI更适合API驱动和微服务项目；Flask在小型全栈应用或原型开发中更灵活。
选择建议：如果你追求高性能、现代API开发 ，FastAPI是理想选择；如果需要快速原型或依赖大量现有插件，Flask可能更合适。
💻 完整代码参考
这里是一个综合示例，包含路由、Pydantic模型和错误处理，帮你巩固所学：
from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
from typing import Optional
app = FastAPI(title="示例API", version="1.0.0")
class Item(BaseModel):
name: str
price: float
description: Optional[str] = None
items_db = []
@app.get("/")
def home():
return {"message": "欢迎使用FastAPI API"}
@app.get("/items/", summary="获取所有商品")
def get_items():
return items_db
@app.get("/items/{item_id}", summary="根据ID获取商品")
def get_item(item_id: int):
if item_id < 0 or item_id >= len(items_db):
raise HTTPException(status_code=404, detail="商品未找到")
return items_db[item_id]
@app.post("/items/", summary="创建新商品")
def create_item(item: Item):
items_db.append(item)
return {"message": "商品创建成功", "item": item}
@app.put("/items/{item_id}", summary="更新商品")
def update_item(item_id: int, item: Item):
if item_id < 0 or item_id >= len(items_db):
raise HTTPException(status_code=404, detail="商品未找到")
items_db[item_id] = item
return {"message": "商品更新成功", "item": item}将代码保存为main.py，运行后访问/docs即可测试所有端点。这个示例展示了FastAPI的路由定义、模型验证和错误处理，实战性很强。
喜欢本文？不要错过✨，点赞👍收藏⭐关注我👆，一起学习更多有用的知识，完善你我的技能树！