Python FastAPI 入门实战：从环境搭建到数据模型

1. 路径参数

场景：查询 ID 为 5 的学生信息，URL 通常为 /student/5。

@app.get("/student/{student_id}")
def get_student(student_id: int):
    return {
        "学生 ID": student_id,
        "类型": str(type(student_id))
    }

注意函数参数中的 student_id: int。如果你访问 /student/abc，FastAPI 会直接报错，提示需要整数而非字符串。这就是类型检查的威力。

2. 查询参数

场景：类似搜索，URL 为 /search?keyword=python&page=1。

@app.get("/search")
def search_data(keyword: str, page: int = 1):
    return {
        "你搜的词": keyword,
        "当前页码": page
    }

未出现在路径中的变量默认为查询参数。page=1 表示默认值为 1。

五、Pydantic 数据模型

处理复杂数据（如注册信息）时，逐个写参数会很乱。FastAPI 引入 Pydantic 来定义数据的'形状'。

from pydantic import BaseModel

class UserInfo(BaseModel):
    username: str
    password: str
    age: int = 18
    is_student: bool = True

@app.post("/register")
def register(user: UserInfo):
    if user.age < 18:
        return {"message": "未成年人禁止注册", "code": 400}
    return {
        "message": "注册成功",
        "用户": user.username,
        "身份": "学生" if user.is_student else "社会人"
    }

在 /docs 页面找到 /register 接口，点击 Try it out 修改 Request body 中的 JSON 数据即可测试。FastAPI 会自动解析 JSON 并校验数据。

六、总结

掌握以上内容，你已经迈出了 FastAPI 开发的第一步：

1. 安装：pip install fastapi。
2. 启动：使用 uvicorn 作为引擎。
3. 文档：/docs 自动生成，方便测试。
4. 参数：利用类型提示约束路径和查询参数。
5. 模型：用 BaseModel 处理 POST 数据。

FastAPI 不仅提升编码效率，更能帮助你写出规范、健壮的代码。