【Python库】FastAPI的介绍及快速上手

FastAPI 初识：为什么选择 FastAPI?

在我们正式使用 FastAPI 之前，先来看下我们为什么要选择 FastAPI 这个框架，而不是 Flask、Django 等更熟、功能更全的框架，其实可以总结成几点：快、开发效率高、健壮。

快 (Fast):

性能极高：FastAPI 基于 Starlette（底层框架）和 Pydantic（数据校验），其性能与 Node.js、Go 等语言的框架不相上下，是 Python Web 框架中的性能王者，对比 Flask 和 Django 性能强悍了不少。
天生异步：完美支持我们上一节课学习的 async/await，能轻松应对 Agent 开发中大量 I/O 密集型任务和高并发场景，虽然其他框架也可以支持异步，不过都需要额外的支持 / 扩展引入。

开发效率高 (Productive):

代码极简：用最少的代码做最多的事，代码量可能只有传统框架的 1/3。
无敌的自动交互式文档：这是 FastAPI 的 “杀手锏”！你只需要写 Python 代码，它就能自动为你生成两种风格的、功能强大的 API 文档（Swagger UI 和 ReDoc）。你可以直接在文档页面上调试和测试你的 API！
强大的依赖注入系统：原生内置的依赖注入，让代码组织和复用变得异常简单和优雅（这个我们将在后续项目中深入体验）。

健壮 (Robust):

基于类型提示：FastAPI 强制并充分利用 Python 的类型提示，这种强制风格会让你写出更稳定的代码。
Pydantic 深度集成：所有传入的请求数据，都会由 Pydantic 进行自动的数据校验、转换和文档化。这意味着，当你的代码开始执行时，你拿到的数据永远是你期望的类型，极大地减少了运行时错误。

一句话总结：FastAPI = Python 的易用性 + Go 的性能 + 自带的无敌文档。当然，如果你更习惯使用其他后端框架的话，完全没有任何问题，例如 Flask、Django 等都是可以的，课程对 API 框架的使用并没有任何限制。

Pydantic 的无缝集成

在前面的课时中，我们介绍过 Pydantic 的相关功能，了解了这个库的强大之处，而 FastAPI 的健壮性，很大一定程度上来源于它与 Pydantic 深度集成。

例如在 FastAPI 中，可以使用 Pydantic 模型定义 请求数据结构 和 响应数据结构、路由参数 等，并对这些路由参数进行校验，例如如下代码就是使用 Pydantic 对请求路由参数、请求 query、请求 body 结构体的综合校验，无需使用额外的库。

python

运行

from typing import Optional
from fastapi import FastAPI, Query, Path
from pydantic import BaseModel, Field

app = FastAPI()

class Item(BaseModel):
    name: str = Field(..., min_length=3, max_length=50, description="商品名称，3-50个字符")
    price: float = Field(..., gt=0, description="价格必须大于0")
    in_stock: bool

@app.post("/users/{user_id}/items")
async def create_item(
    user_id: int = Path(..., ge=1, description="用户ID必须>=1"),
    q: Optional[str] = Query(None, min_length=3, description="搜索关键字，最少3个字符"),
    item: Item = ...
):
    return {"user_id": user_id, "query": q, "item": item}

当然关于 FastAPI 的使用技巧还有非常多，例如：依赖注入、错误处理、接口缓存、后台任务、路由模块化、中间件、响应流、类型驱动等。后续会继续对FastAPI的使用进行学习。

FastAPI 初识：为什么选择 FastAPI?

Pydantic 的无缝集成

评论