Python FastAPI 入门实战：从环境搭建到核心功能

适用于资源定位，如查询 ID 为 5 的学生信息，URL 结构通常为 /student/5。

from fastapi import FastAPI
import uvicorn

app = FastAPI()

@app.get("/student/{student_id}")
def get_student(student_id: int):
    # student_id: int 表示期望接收整数
    return {
        "学生 ID": student_id,
        "类型": str(type(student_id))
    }

if __name__ == "__main__":
    uvicorn.run(app="main:app", host="127.0.0.1", port=8088)

注意函数参数中的类型注解 : int。如果访问 /student/abc，FastAPI 会直接返回 422 错误，提示类型不匹配，这比传统框架更健壮。

查询参数 (Query Parameters)

适用于搜索等场景，如 ?keyword=python&page=1。未在路径中定义的变量默认为查询参数。

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

访问 /search?keyword=apple 时，page 将使用默认值 1。

Pydantic 数据模型

当需要接收复杂数据（如注册表单的用户名、密码、年龄）时，逐个定义函数参数会变得冗长。FastAPI 集成了 Pydantic 库来定义数据结构。

from fastapi import FastAPI
import uvicorn
from pydantic import BaseModel

app = FastAPI()

# 1. 定义数据模型
class UserInfo(BaseModel):
    username: str
    password: str
    age: int = 18
    is_student: bool = True

# 2. 在接口中使用模型
@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"
    }

if __name__ == "__main__":
    uvicorn.run(app="main:app", host="127.0.0.1", port=8088)

在 /docs 页面测试 POST 接口时，只需修改 Request body 中的 JSON 数据，FastAPI 会自动将其解析并注入到 user 变量中，无需手动解析 JSON。

总结

掌握以上内容，你已经迈入了 FastAPI 开发的大门。回顾关键点：

• 安装：pip install fastapi uvicorn
• 启动：Uvicorn 作为 ASGI 服务器运行应用
• 文档：/docs 自动生成 Swagger UI
• 参数：利用类型提示约束路径和查询参数
• 模型：使用 BaseModel 处理复杂的 POST 数据验证

FastAPI 不仅提升了编码效率，还通过严格的类型系统保证了代码的健壮性，是现代 Python 后端开发的有力工具。