一文理清FastAPI参数：从Query、Path到BaseModel的实战指南

刚学 FastAPI，是不是总被路径参数、查询参数、请求体这些概念绕晕，不知道数据从哪儿来、该怎么接？事实上，正确使用参数声明，能让你的 API 代码量减少一半，且自动获得完美的交互文档。

本文带你一次搞懂 FastAPI 中的所有核心参数类型：从简单的查询字符串（?name=value），到定义URL片段的路径参数，再到处理复杂 JSON 或表单数据的请求体。重点深入 Pydantic BaseModel，教你如何用它优雅地定义、验证和组织复杂数据，并自动生成 API 文档。读完你就能清晰地规划 API 的数据接口了。

✨ 查询参数与路径参数：基础与区别

📦 请求体参数：JSON (Body) 与表单 (Form) 处理

🧩 混合参数：路径、查询、请求体同时使用

🏗️ 结构化利器：Pydantic BaseModel 详解与应用

🚀 完整实战示例与代码参考

✨ 查询参数与路径参数：地基要打牢

这是两种最基础、最常用的参数，都直接体现在 URL 中。

查询参数（Query Parameters） ：跟在 URL 问号?后面，格式为key1=value1&key2=value2。在 FastAPI 中，函数参数不是路径的一部分的，默认就是查询参数。

复制代码

from fastapi import FastAPI
app = FastAPI()

@app.get("/items/")
async def read_items(skip: int = 0, limit: int = 10):
    # `skip`和`limit`就是查询参数，如：/items/?skip=20&limit=5
    return {"skip": skip, "limit": limit}

使用 skip: int = 0 形式，就定义了带默认值的可选参数。如果没有默认值（如 name: str），它就是必需的查询参数。

路径参数（Path Parameters） ：直接是 URL 路径的一部分，用花括号{}声明。通常用于唯一标识资源，比如根据ID获取某篇文章。

复制代码

@app.get("/items/{item_id}")
async def read_item(item_id: int):  # item_id 是路径参数
    return {"item_id": item_id}

注意它们的顺序！如果把 /items/{item_id} 和 /items/me 两个端点都定义，要把具体的路径（/items/me）放在前面 ，否则me 会被当成item_id的值。

📦 请求体参数：处理复杂数据

当你需要客户端发送较多数据（如创建新文章）时，就需要请求体。FastAPI 用 Body(), Form() 等工具函数来声明。

JSON 请求体（Body） ：最常见的 REST API 数据格式。使用 Pydantic 的 BaseModel 是最佳实践（下文详解），也可用 Body() 直接声明多个参数。

复制代码

from fastapi import Body

@app.put("/items/{item_id}")
async def update_item(
    item_id: int,
    name: str = Body(...),  # Body(...) 表示必需项
    description: str = Body(None)  # Body(None) 表示可选项
):
    return {"item_id": item_id, "name": name, "description": description}

表单数据（Form） ：当数据来自 HTML 表单或需要上传文件时使用。如何要上传大文件，需要先安装 python-multipart。

复制代码

from fastapi import Form

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

🧩 混合参数：自由组合，各司其职

FastAPI 能智能地区分参数来源，你可以同时使用路径、查询和请求体参数。

复制代码

from fastapi import Path, Query, Body

@app.put("/mixed-items/{item_id}")
async def update_mixed_item(
    *,
    item_id: int = Path(..., title="商品ID", ge=1),  # 路径参数，>=1
    q: str = Query(None, alias="query-string"),      # 可选查询参数，别名
    item: dict = Body(...)                           # 必需的JSON请求体
):
    results = {"item_id": item_id}
    if q:
        results.update({"q": q})
    results.update({"item": item})
    return results

这里用到了参数校验：ge=1 表示值大于等于1。Query, Path, Body 等函数让声明更明确且功能更强大（如添加描述、别名、校验）。

🏗️ 结构化利器：Pydantic BaseModel

这是 FastAPI 的灵魂特性之一。 BaseModel 让你用 Python 类来定义数据模型，它自动处理数据验证、序列化和文档生成。

复制代码

from pydantic import BaseModel, EmailStr
from typing import Optional, List

class UserCreate(BaseModel):
    # 必需字段
    username: str
    email: EmailStr  # 内置邮箱格式验证
    # 可选字段，带默认值
    full_name: Optional[str] = None
    # 列表类型
    tags: List[str] = []

@app.post("/users/")
async def create_user(user: UserCreate):  # 一个参数接管整个请求体
    # 直接访问已验证好的数据
    if user.full_name:
        greeting = f"Hello, {user.full_name}!"
    else:
        greeting = f"Hello, {user.username}!"
    return {"message": greeting, "user_info": user.dict()}

BaseModel 的优势：

声明即验证： 字段类型不对、邮箱格式错误等会自动返回 422 错误。
自动文档： Swagger UI 和 ReDoc 会自动显示模型结构和示例。
代码清晰： 数据契约明确，业务逻辑与数据验证分离。
嵌套自由： 模型可以嵌套其他模型，轻松处理复杂数据。

🚀 完整代码示例

下面是一个融合了主要参数类型的实战示例，你可以直接复制运行。

复制代码

from fastapi import FastAPI, Path, Query, Body
from pydantic import BaseModel
from typing import Optional
from datetime import datetime

app = FastAPI(title="参数详解示例")

class Item(BaseModel):
    name: str
    description: Optional[str] = None
    price: float = Body(..., gt=0)
    tax: Optional[float] = None
    tags: list = []

@app.post("/advanced-items/{category}")
async def create_advanced_item(
    category: str = Path(..., description="物品分类"),
    item_id: int = Query(..., ge=1, description="物品ID"),
    q: Optional[str] = Query(None, max_length=50),
    urgent: bool = Query(False),
    item: Item = Body(..., example={  # 为文档提供示例
        "name": "Foo",
        "price": 50.5,
        "tags": ["cool", "new"]
    })
):
    """创建新物品的复杂端点"""
    total = item.price + (item.tax if item.tax else 0)
    result = {
        "category": category,
        "item_id": item_id,
        "query_string": q,
        "urgent": urgent,
        "item_name": item.name,
        "total_price": total,
        "created_at": datetime.now().isoformat()
    }
    return result

if __name__ == "__main__":
    import uvicorn
    uvicorn.run(app, host="0.0.0.0", port=8000)

运行后，访问 http://127.0.0.1:8000/docs，你将看到一个功能齐全的交互式 API 文档，所有参数和模型都清晰可见。

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！也请路过的大佬给些建议和指教🙏🐶！