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。
from typing import Union
from fastapi import FastAPI
from pydantic import BaseModel
app = FastAPI()
class Item(BaseModel):
name: str
price: float
is_offer: Union[bool, None] = None
@app.get("/")
def read_root():
return {"Hello": "World"}
@app.get("/items/{item_id}")
def read_item(item_id: int, q: Union[str, None] = None):
return {"item_id": item_id, "q": q}
@app.put("/items/{item_id}")
def update_item(item_id: int, item: Item):
return {"item_name": item.name, "item_id": item_id}
服务器将会自动重载（因为在上面的步骤中你向 uvicorn 命令添加了 --reload 选项）。
交互式 API 文档升级¶
访问 http://127.0.0.1:8000/docs。
交互式 API 文档将会自动更新，并加入新的请求体：
Swagger UI
点击「Try it out」按钮，之后你可以填写参数并直接调用 API：
Swagger UI interaction
然后点击「Execute」按钮，用户界面将会和 API 进行通信，发送参数，获取结果并在屏幕上展示：
Swagger UI interaction
可选文档升级¶
访问 http://127.0.0.1:8000/redoc。
可选文档同样会体现新加入的请求参数和请求体：
ReDoc
总结¶
总的来说，你就像声明函数的参数类型一样只声明了一次请求参数、请求体等的类型。
你使用了标准的现代 Python 类型来完成声明。
你不需要去学习新的语法、了解特定库的方法或类，等等。
只需要使用标准的 Python 3.8 及更高版本。
举个例子，比如声明 int 类型：
item_id: int
或者一个更复杂的 Item 模型：
item: Item
......在进行一次声明之后，你将获得：
编辑器支持，包括：
自动补全
类型检查
数据校验：
在校验失败时自动生成清晰的错误信息
对多层嵌套的 JSON 对象依然执行校验
转换 来自网络请求的输入数据为 Python 数据类型。包括以下数据：
JSON
路径参数
查询参数
Cookies
请求头
表单
文件
转换 输出的数据：转换 Python 数据类型为供网络传输的 JSON 数据：
转换 Python 基础类型 （str、 int、 float、 bool、 list 等）
datetime 对象
UUID 对象
数据库模型
......以及更多其他类型
自动生成的交互式 API 文档，包括两种可选的用户界面：
Swagger UI
ReDoc
回到前面的代码示例，FastAPI 将会：
校验 GET 和 PUT 请求的路径中是否含有 item_id。
校验 GET 和 PUT 请求中的 item_id 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。
检查 GET 请求中是否有命名为 q 的可选查询参数（比如 http://127.0.0.1:8000/items/foo?q=somequery）。
因为 q 被声明为 = None，所以它是可选的。
如果没有 None 它将会是必需的 (如 PUT 例子中的请求体)。
对于访问 /items/{item_id} 的 PUT 请求，将请求体读取为 JSON 并：
检查是否有必需属性 name 并且值为 str 类型 。
检查是否有必需属性 price 并且值为 float 类型。
检查是否有可选属性 is_offer， 如果有的话值应该为 bool 类型。
以上过程对于多层嵌套的 JSON 对象同样也会执行
自动对 JSON 进行转换或转换成 JSON。
通过 OpenAPI 文档来记录所有内容，可被用于：
交互式文档系统
许多编程语言的客户端代码自动生成系统
直接提供 2 种交互式文档 web 界面。
虽然我们才刚刚开始，但其实你已经了解了这一切是如何工作的。
尝试更改下面这行代码：
return {"item_name": item.name, "item_id": item_id}
......从：
... "item_name": item.name ...
......改为：
... "item_price": item.price ...
......注意观察编辑器是如何自动补全属性并且还知道它们的类型：
editor support
教程 - 用户指南 中有包含更多特性的更完整示例。
剧透警告： 教程 - 用户指南中的内容有：
对来自不同地方的参数进行声明，如：请求头、cookies、form 表单以及上传的文件。
如何设置校验约束如 maximum_length 或者 regex。
一个强大并易于使用的 依赖注入 系统。
安全性和身份验证，包括通过 JWT 令牌和 HTTP 基本身份认证来支持 OAuth2。
更进阶（但同样简单）的技巧来声明 多层嵌套 JSON 模型 （借助 Pydantic）。
许多额外功能（归功于 Starlette）比如：
WebSockets
GraphQL
基于 HTTPX 和 pytest 的极其简单的测试
CORS
Cookie Sessions
......以及更多
性能¶
独立机构 TechEmpower 所作的基准测试结果显示，基于 Uvicorn 运行的 FastAPI 程序是 最快的 Python web 框架之一，仅次于 Starlette 和 Uvicorn 本身（FastAPI 内部使用了它们）。(*)
想了解更多，请查阅 基准测试 章节。
可选依赖¶
用于 Pydantic：
email_validator - 用于 email 校验。
用于 Starlette：
httpx - 使用 TestClient 时安装。
jinja2 - 使用默认模板配置时安装。
python-multipart - 需要通过 request.form() 对表单进行「解析」时安装。
itsdangerous - 需要 SessionMiddleware 支持时安装。
pyyaml - 使用 Starlette 提供的 SchemaGenerator 时安装（有 FastAPI 你可能并不需要它）。
graphene - 需要 GraphQLApp 支持时安装。
ujson - 使用 UJSONResponse 时安装。
用于 FastAPI / Starlette：
uvicorn - 用于加载和运行你的应用程序的服务器。
orjson - 使用 ORJSONResponse 时安装。
你可以通过 pip install fastapi[all] 命令来安装以上所有依赖。
