对fastapi理解,

简介: 对fastapi理解,
"""
知识点1:对于inspect包可以获取到函数的形参
import inspect
signal = inspect.signature(arguments)
param_dic = signal.parameters
for key, value in param_dic.items():
    # print(key, value)
    # print(type(key), type(value))
    # print(key, value.name)  # 默认 键
    # print(key, value.default)  # 默认 值
    # print(key, value.annotation)  # 类型
知识点2:装饰器
"""
import inspect

postman_body = {
    # "key": 66,
    # "name": "ws"
}


def separate_success_error(param_dic):
    """对校验结果进行分类"""
    status_success = "success"
    status_error = "error"
    # 有status  有value
    success_dic = {}
    error_dic = {}
    for key in param_dic:
        status = param_dic[key]["status"]
        value = param_dic[key]["value"]
        if status == status_success:
            success_dic[key] = value
        elif status == status_error:
            error_dic[key] = value
        else:
            assert "没有此类型"
    return success_dic, error_dic


def pre(arguments, *args, **kwargs):
    """装饰器,就像fastapi里面的装饰器一样"""
    def decorate():
        new_param_dic = {}
        signal = inspect.signature(arguments)
        param_dic = signal.parameters
        for key, value in param_dic.items():
            key_name = value.name
            key_type = value.annotation
            key_default_value = value.default
            # 如果此时你不知道调用哪个方法你可以判断
            key_value = deal_value_in_body(key_name, key_type, key_default_value, *args, **kwargs)
            new_param_dic[key_name] = key_value
        # 此时我们需要去看有没有错误的,如果有失败的,则只返回失败内容就好,如果没有则调用函数
        data, error = separate_success_error(new_param_dic)
        if error:
            print(f"报错:{error}")
            assert "响应给页面错误信息"
        else:
            return arguments(**data)

    return decorate


def deal_value_in_body(key_name=None, key_type=None, key_default_value=None, *args, **kwargs):
    # 从body里面去拿数据,然后在去返回value
    # 我们需要根据key_default_value去判断我们怎么对参数处理
    response_dic = {"status": "error", "value": ""}
    if key_name == "...":
        if not (key_name in postman_body.keys()):
            response_dic["value"] = "this key is must"
            return response_dic
    value = postman_body.get(key_name)
    value = value if value else key_default_value
    if key_type:
        # 如果有type:则需要校验数据类型是否正确
        if not isinstance(value, key_type):
            response_dic["value"] = f"this requirement a {key_type}"
            return response_dic
    # 如果有gt大于等于关键字,你也可以判断,我就不写了太懒了
    response_dic["value"] = value
    response_dic["status"] = "success"
    return response_dic


def my_Query(value):
    """fastapi里面的校验函数,名字不一样决定去哪里取数据"""
    # 这个函数只是为了告诉你,默认值是什么,懂了吗
    return value


# 这个就是装饰器,
@pre
# 路由处理函数
def main(key: int = my_Query(1000), name: str = my_Query(None)):
    print(f"key:{key}")
    print(f"name:{name}")


if __name__ == '__main__':
    main()
相关文章
|
11月前
|
Python
python flask 后端报错 ImportError: cannot import name ‘cached_prope‘
问题python flask 后端报错 ImportError: cannot import name ‘cached_prope‘flask程序启动但抛出该错误,是因为werkzeug 版本过高,需要降低版本即可 解决:一般这种情况是需要注意第三方库版本的对应,werkzeug需要0.16.0 版本时 flask的版本应该时1.x.x 的版本,不能是2.x过高的版本。
143 0
|
网络架构 Python
FastApi-18-APIRouter
FastApi-18-APIRouter
345 0
|
前端开发
FastApi-15-文件上传-3
FastApi-15-文件上传-3
257 0
|
1月前
|
JavaScript Shell API
FastAPI是什么?
FastAPI是一个现代、高性能的Python Web框架,专为构建API设计。它利用标准的Python类型提示,支持同步及异步编程,并借助Pydantic实现数据验证。FastAPI以卓越的性能媲美Node.js和Go,代码简洁优雅,能自动生成交互式API文档如Swagger UI和ReDoc,方便测试和调试。其对`async`和`await`的支持使之适用于WebSocket等高并发场景。快速上手仅需安装FastAPI和Uvicorn,编写少量代码即可启动服务并访问自动生成的文档界面。FastAPI不仅易于入门,还支持复杂的功能如依赖注入和后台任务,非常适合追求高性能和快速开发的项目。
|
1月前
|
JavaScript API Go
fastapi之helloworld
fastapi之helloworld
|
4月前
|
安全 API Python
FastAPI入门指南
FastAPI是基于Python类型提示的高性能Web框架,用于构建现代API。它提供高性能、直观的编码体验,内置自动文档生成(支持OpenAPI)、数据验证和安全特性。安装FastAPI使用`pip install fastapi`,可选`uvicorn`作为服务器。简单示例展示如何定义路由和处理函数。通过Pydantic进行数据验证,`Depends`处理依赖。使用`uvicorn main:app --reload`启动应用。FastAPI简化API开发,适合高效构建API应用。5月更文挑战第21天
135 1
|
4月前
|
缓存 中间件 API
FastAPI
【2月更文挑战第1天】FastAPI是一个用于构建API的现代、快速的Python Web框架,具有以下特点:
118 9
|
4月前
|
机器学习/深度学习 JSON API
Pydantic
Pydantic是一个Python数据模型库,它提供了一种简单的方式来定义和验证Python对象的结构和类型。 Pydantic基于Python的类型提示系统,允许使用类型注解来定义数据模型的字段和约束,并提供了一些方便的工具和API来验证和转换数据。
57 8
|
4月前
|
JSON 测试技术 API
Pydantic
现在修改 main.py 文件来从 PUT 请求中接收请求体。 我们借助 Pydantic 来使用标准的 Python 类型声明请求体。
39 0
|
4月前
|
Java API 数据库
FastAPI中如何调用同步函数
FastAPI中如何调用同步函数
192 0