FastAPI教程I

本文参考FastAPI教程https://fastapi.tiangolo.com/zh/tutorial

第一步

import uvicorn
from fastapi import FastAPI

app = FastAPI()


@app.get("/")
async def root():
    return {"message": "Hello World"}
    
if __name__ == '__main__':
    uvicorn.run("test:app", host="127.0.0.1", port=8000, reload=True)

$ uvicorn main:app --reload
  • 导入FastAPI：FastAPI是一个为你的API提供了所有功能的Python类
  • app = FastAPI()创建一个FastAPI实例，这个实例将是创建你所有API的主要交互对象。这个app同样在如下命令中被uvicorn所引用。
  • 创建一个路径操作。
    【路径】：这里的【路径】指的是从URL中第一个/起的后半部分，比如在https://example.com/items/foo中，路径是/items/foo，【路径】也通常被称为【端点】或【路由】。
    【操作】：这里的【操作】是指一种HTTP【方法】，如POST——创建数据,GET——读取数据,PUT——更新数据,DELETE——删除数据，以及更少见的几种OPTIONS,HEAD,PATCH,TRACE，在HTTP协议中，你可以使用以上的其中一种（或多种）【方法】与每个路径进行通信。
  • 定义一个路径操作装饰器：@app.get("/")告诉FastAPI在它下方的函数负责处理如下访问请求：请求路径为/，使用get操作。（@something语法在Python中被称为【装饰器】，接收位于其下方的函数并且用它完成一些工作，这里是路径操作装饰器。）
  • 定义路径操作函数：位于路径操作装饰器下的函数，这里是async def root()，这个例子用的是async函数，其作用在后面讲。
  • 返回内容：可以返回一个dict、list，像str、int一样的值，等等。还可以返回Pydanic模型（后面会说），还有许多其他将会自动转换为JSON的对象和模型（包括ORM对象等）。

查看运行结果

  • 打开浏览器访问 http://127.0.0.1:8000。讲看到如下的JSON相应：
{"message": "Hello World"}

交互式API文档

  • 跳转到 http://127.0.0.1:8000/docs。你将会看到自动生成的交互式API文档（由Swagger UI提供）。

可选的API文档

  • 前往 http://127.0.0.1:8000/redoc。你将会看到可选的自动生成文档（由ReDoc提供）。

路径参数

FastAPI支持以下路径模板语法定义动态路由，声明路径参数（变量）：

import uvicorn
from fastapi import FastAPI

app = FastAPI()

@app.get("/items/{item_id}/{go}")
async def read_item(go):
    return {"item_id": go}

if __name__ == '__main__':
    uvicorn.run("test:app", host="127.0.0.1", port=8000, reload=True)

这段代码声明了相应位置上的路径参数item_id和go，并把go的值传递给路径函数的参数go。

运行示例并访问http://127.0.0.1:8000/items/para1/para2可获得如下相应：

{"item_id":"para2"}

声明路径参数的类型

使用Python标准类型注释，声明路径操作函数中路径参数的类型。

from fastapi import FastAPI

app = FastAPI()


@app.get("/items/{item_id}")
async def read_item(item_id: int):
    return {"item_id": item_id}

上例把item_id的类型声明为int。

检查：类型声明将为函数提供错误检查、代码补全等编辑器支持

数据转换

运行上述声明item_id的类型为int的例子并访问 http://127.0.0.1:8000/items/3，返回的相应如下：

{"item_id":3}

可见，函数接收并返回的值是3（int），不是"3"（str）。FastAPI通过类型声明自动解析请求中的数据。

数据校验

如果通过浏览器访问http://127.0.0.1:8000/items/foo，将会接收如下HTTP错误信息：

{
  "detail": [
    {
      "type": "int_parsing",
      "loc": [
        "path",
        "item_id"
      ],
      "msg": "Input should be a valid integer, unable to parse string as an integer",
      "input": "foo"
    }
  ]
}

因为路径参数item_id的值（"foo"）的类型不是int。

检查：FastAPI使用Python类型声明实现了数据校验，上面的错误清晰的指出了未通过校验的具体原因，这在开发调试与API交互的代码时非常有用。

查看文档

访问 http://127.0.0.1:8000/docs，查看自动生成的 API 文档：

Pydantic

FastAPI可以充分利用Pydanic的优势，用它在后台校验数据。

路径操作的顺序

from fastapi import FastAPI

app = FastAPI()


@app.get("/users/me")
async def read_user_me():
    return {"user_id": "the current user"}


@app.get("/users/{user_id}")
async def read_user(user_id: str):
    return {"user_id": user_id}

/users/me和/users/{user_id}不能反过来，否则/users/me的路径会被/users/{user_id}接收。

预设值

路径操作使用Python的Enum类型接收预设的路径参数。

from enum import Enum

from fastapi import FastAPI


class ModelName(str, Enum):
    alexnet = "alexnet"
    resnet = "resnet"
    lenet = "lenet"


app = FastAPI()


@app.get("/models/{model_name}")
async def get_model(model_name: ModelName):
    if model_name is ModelName.alexnet:
        return {"model_name": model_name, "message": "Deep Learning FTW!"}

    if model_name.value == "lenet":
        return {"model_name": model_name, "message": "LeCNN all the images"}

    return {"model_name": model_name, "message": "Have some residuals"}
  • 导入Enum并创建继承自str和Enum的子类。通过从str继承，API文档就能把值的类型定义为字符串，并且能正确渲染。然后创建包含固定值的类属性，这些固定值是可用的有效值。
  • 使用Enum类（ModelName）创建使用类型注解的路径参数。
  • API文档会显示预定义路径参数的可用值。
    在这里插入图片描述
  • 使用Python枚举类型：路径参数的值是枚举的元素。枚举类ModelName中的枚举元素支持比较操作（if model_name is ModelName.alexnet），使用model_name.value获取枚举值。
  • 返回枚举元素：即使嵌套在JSON请求体里（例如，dict），也可以从路径操作返回枚举元素。

包含路径的路径参数

from fastapi import FastAPI

app = FastAPI()


@app.get("/files/{file_path:path}")
async def read_file(file_path: str):
    return {"file_path": file_path}

参数名为file_path，结尾部分的:path说明该参数应匹配路径。

查询参数

声明的参数不是路径参数时，路径操作函数会把该参数自动解释为查询参数。

from fastapi import FastAPI

app = FastAPI()

fake_items_db = [{"item_name": "Foo"}, {"item_name": "Bar"}, {"item_name": "Baz"}]


@app.get("/items/")
async def read_item(skip: int = 0, limit: int = 10):
    return fake_items_db[skip : skip + limit]

查询字符串是键值对的集合，这些键值对位于URL的?之后，以&分隔。
例如，以下URL中：

http://127.0.0.1:8000/items/?skip=0&limit=2

查询参数为：skip: 0，limit: 2
这些值都是URL的组成部分，因此它们的类型本应是字符串。
但声明Python类型（上例中为int）之后，这些值就会转换为声明的类型，并进行类型校验。
所有应用于路径参数的流程也适用于查询参数。

默认值

查询参数由默认值，如上例。
可以进行如下URL访问：

  • http://127.0.0.1:8000/items/
  • http://127.0.0.1:8000/items/?skip=0&limit=10
  • http://127.0.0.1:8000/items/?skip=20

可选参数

把默认值设为None即可声明可选的查询参数：

from fastapi import FastAPI

app = FastAPI()


@app.get("/items/{item_id}")
async def read_item(item_id: str, q: str | None = None):
    if q:
        return {"item_id": item_id, "q": q}
    return {"item_id": item_id}

检查：注意，FastAPI 可以识别出 item_id 是路径参数，q 不是路径参数，而是查询参数。

查询参数类型转换

FastAPI会自动转换参数类型：

from typing import Union

from fastapi import FastAPI

app = FastAPI()


@app.get("/items/{item_id}")
async def read_item(item_id: str, q: Union[str, None] = None, short: bool = False):
    item = {"item_id": item_id}
    if q:
        item.update({"q": q})
    if not short:
        item.update(
            {"description": "This is an amazing item that has a long description"}
        )
    return item

在本例中访问：

http://127.0.0.1:8000/items/foo?short=1

或

http://127.0.0.1:8000/items/foo?short=True

或short=on，short=true，short=yes或其它任意大小写形式，函数接收到的short参数都是布尔值True。False同理（0，false，off，no）。

多个路径和查询参数

FastAPI可以识别同时声明的多个路径参数和查询参数，而且声明查询参数的顺序并不重要，FastAPI通过参数名进行检测：

from typing import Union

from fastapi import FastAPI

app = FastAPI()


@app.get("/users/{user_id}/items/{item_id}")
async def read_user_item(
    user_id: int, item_id: str, q: Union[str, None] = None, short: bool = False
):
    item = {"item_id": item_id, "owner_id": user_id}
    if q:
        item.update({"q": q})
    if not short:
        item.update(
            {"description": "This is an amazing item that has a long description"}
        )
    return item

把不是路径参数的参数（至此只有查询参数）声明为默认值，或者是吧默认值设为None，这样参数就不是必选的，否则是必选的。

上述代码可以用以下URL进行测试：

http://127.0.0.1:8000/users/2/items/item_id?q=test&short=0

将会得到这样的相应：

{"item_id":"item_id","owner_id":2,"q":"test","description":"This is an amazing item that has a long description"}

再比如：

from typing import Union

from fastapi import FastAPI

app = FastAPI()


@app.get("/items/{item_id}")
async def read_user_item(
    item_id: str, needy: str, skip: int = 0, limit: Union[int, None] = None
):
    item = {"item_id": item_id, "needy": needy, "skip": skip, "limit": limit}
    return item

上例中有3个查询参数：needy，必选的str类型参数，skip，默认值为0的int类型参数，limit，可选的int类型参数。

请求体

FastAPI使用请求体从客户端（例如浏览器）向API发送数据。

请求体是客户端发送给API的数据。响应体是API发送给客户端的数据。

API基本上肯定要发送响应体，但是客户端不一定发送请求体。

使用Pydantic模型声明请求体，能充分利用它的功能和优点。

使用Pydantic声明请求体

from fastapi import FastAPI
from pydantic import BaseModel


class Item(BaseModel):
    name: str
    description: str | None = None
    price: float
    tax: float | None = None


app = FastAPI()


@app.post("/items/")
async def create_item(item: Item):
    return item

步骤如下：

  • 从pydantic中导入BaseModel
  • 创建数据类型：把数据模型声明为继承BaseModel的类。使用Python标准类型声明所有属性。
  • 声明请求体参数：使用与声明路径和查询参数相同的方式声明请求体，把请求体添加至路径操作，@app.post()及其下面的函数async def create_item(item: Item):...，此处请求体参数的类型为Item类型。

使用如下代码进行测试：

import requests

# 定义请求的 JSON 数据
item_data = {
    "name": "Item1",
    "description": "This is item 1",
    "price": 19.99,
    "tax": 2.00
}

# 发送 POST 请求
response = requests.post("http://localhost:8000/items/", json=item_data)

# 打印返回的 JSON 数据
print(response.json())

可以看到，FastAPI接收来自测试代码的请求，返回：

{'name': 'Item1', 'description': 'This is item 1', 'price': 19.99, 'tax': 2.0}

结论

仅使用Python类型声明，FastAPI就可以

  • 以JSON形式读取请求体
  • （在必要时）把请求体转换为对应的类型
  • 校验数据：数据无效时返回错误信息，并指出错误数据的确切位置和内容
  • 把接收的数据赋值给参数item
  • 为模型生成JSON Schema，在项目中所需的位置使用

使用模型

在路径操作函数内部直接访问模型对象的属性：

from fastapi import FastAPI
from pydantic import BaseModel


class Item(BaseModel):
    name: str
    description: str | None = None
    price: float
    tax: float | None = None


app = FastAPI()


@app.post("/items/")
async def create_item(item: Item):
    item_dict = item.dict()
    if item.tax:
        price_with_tax = item.price + item.tax
        item_dict.update({"price_with_tax": price_with_tax})
    return item_dict

用测试代码测试结果如下：

{'description': 'Mechanical keyboard',
 'name': 'Keyboard',
 'price': 49.99,
 'price_with_tax': 54.99,
 'tax': 5.0}

请求体+路径参数

FastAPI支持同时声明路径参数和请求体。

FastAPI能识别与路径参数匹配的函数参数，还能识别从请求体中获取的类型为Pydantic模型的函数参数。

from fastapi import FastAPI
from pydantic import BaseModel


class Item(BaseModel):
    name: str
    description: str | None = None
    price: float
    tax: float | None = None


app = FastAPI()


@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item):
    return {"item_id": item_id, **item.dict()}

使用如下测试代码发送PUT请求：

import requests
from pprint import pprint

# 定义要发送的 JSON 数据，符合 Item 模型的定义
item_data = {
    "name": "Mouse",
    "description": "Wireless mouse",
    "price": 19.99,
    "tax": 1.50
}

# 定义要更新的 item_id
item_id = 1

# 发送 PUT 请求
response = requests.put(f"http://localhost:8000/items/{item_id}", json=item_data)

# 打印返回的 JSON 数据
pprint(response.json())

返回结果为：

{'description': 'Wireless mouse',
 'item_id': 1,
 'name': 'Mouse',
 'price': 19.99,
 'tax': 1.5}

请求体+路径参数+查询参数

FastAPI支持同时声明请求体、路径参数和查询参数。

from fastapi import FastAPI
from pydantic import BaseModel


class Item(BaseModel):
    name: str
    description: str | None = None
    price: float
    tax: float | None = None


app = FastAPI()


@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item, q: str | None = None):
    result = {"item_id": item_id, **item.dict()}
    if q:
        result.update({"q": q})
    return result

函数参数按如下规则进行识别：

  • 路径中声明了相同参数的参数，是路径参数
  • 类型是（int,float,str,bool等）单类型的参数，是查询参数
  • 类型是Pydantic模型的参数，是请求体

使用如下测试代码：

import requests
from pprint import pprint

# 定义要发送的 JSON 数据，符合 Item 模型的定义
item_data = {
    "name": "Keyboard",
    "description": "Mechanical keyboard",
    "price": 49.99,
    "tax": 5.00
}

# 定义要更新的 item_id
item_id = 1

# 定义查询参数 q
q_param = "example"

# 发送 PUT 请求
response = requests.put(f"http://localhost:8000/items/{item_id}?q={q_param}", json=item_data)

# 打印返回的 JSON 数据
pprint(response.json())

可得到返回结果：

{'description': 'Mechanical keyboard',
 'item_id': 1,
 'name': 'Keyboard',
 'price': 49.99,
 'q': 'example',
 'tax': 5.0}

查询参数和字符串校验

FastAPI允许你为参数声明额外的信息和校验。
以下面的应用程序为例：

from fastapi import FastAPI

app = FastAPI()


@app.get("/items/")
async def read_items(q: str | None = None):
    results = {"items": [{"item_id": "Foo"}, {"item_id": "Bar"}]}
    if q:
        results.update({"q": q})
    return results

查询参数q的类型为str，默认值为None，因此它是可选的。

额外的校验

我们打算添加约束条件：即使q是可选的，但只要提供了该参数，则该参数值不能超过50个字符的长度

具体步骤如下：

  • 导入Query：首先从fastapi导入Query。
  • 使用Query作为默认值：将Query用作查询参数的默认值，并将它的max_length参数设置为50，由于我们必须用Query(default=None)替换默认值None，Query的第一个参数同样是用于定义默认值。
from typing import Union

from fastapi import FastAPI, Query

app = FastAPI()


@app.get("/items/")
async def read_items(q: Union[str, None] = Query(default=None, max_length=50)):
    results = {"items": [{"item_id": "Foo"}, {"item_id": "Bar"}]}
    if q:
        results.update({"q": q})
    return results

添加更多的校验

  • 还可以添加min_length参数
  • 还可以添加正则表达式：定义一个参数值必须匹配的正则表达式
from typing import Union

from fastapi import FastAPI, Query

app = FastAPI()


@app.get("/items/")
async def read_items(
    q: Union[str, None] = Query(
        default=None, min_length=3, max_length=50, pattern="^fixedquery$"
    ),
):
    results = {"items": [{"item_id": "Foo"}, {"item_id": "Bar"}]}
    if q:
        results.update({"q": q})
    return results

声明为必需参数

当我们不需要声明额外的校验或元数据时，只需不声明默认值就可以使q参数成为必需参数，如：

q: str

但是我们现在正在用Query声明它，如：

q: Union[str, None] = Query(default=None, min_length=3)

因此，当你在使用Query且需要声明一个值是必需的时，只需不声明默认参数：

from fastapi import FastAPI, Query

app = FastAPI()


@app.get("/items/")
async def read_items(q: str = Query(min_length=3)):
    results = {"items": [{"item_id": "Foo"}, {"item_id": "Bar"}]}
    if q:
        results.update({"q": q})
    return results

显式声明必需参数的方法

  • 使用(...)声明：q: str = Query(default=..., min_length=3)
  • 可以声明None为一个有效的类型，仍是必需参数：q: Union[str, None] = Query(default=..., min_length=3)
  • 使用Pydantic中的Required代替省略号...：from pydantic import Required，q: str = Query(default=Required, min_length=3)

大多数情况，隐式省略default参数就够了，通常不必使用显式声明...或Required

查询参数列表/多个值

当你使用Query显式地定义查询参数时，你还可以声明它去接收一组值，或换句话来说，接收多个值。

例如，要声明一个可在URL中出现多次的查询参数q，可以这样写：

from typing import List, Union

from fastapi import FastAPI, Query

app = FastAPI()


@app.get("/items/")
async def read_items(q: Union[List[str], None] = Query(default=None)):
    query_items = {"q": q}
    return query_items

然后输入以下网址：

http://localhost:8000/items/?q=foo&q=bar

你会在路径操作函数的函数参数q中以一个Pythonlist的形式接收到查询参数q的多个值：

{"q":["foo","bar"]}

要声明类型为list的查询参数，需要显式地使用Query，否则该参数将被解释为请求体

具有默认值的查询参数列表/多个值

可以给定默认list值：

from typing import List

from fastapi import FastAPI, Query

app = FastAPI()


@app.get("/items/")
async def read_items(q: List[str] = Query(default=["foo", "bar"])):
    query_items = {"q": q}
    return query_items

q: List[str] = Query(default=["foo", "bar"])也可以使用list代替，这样不会检查列表的内容，如q: list = Query(default=[])。

声明更多元数据

你可以添加更多有关该参数的信息。
这些信息将包含在生成的OpenAPI模式中，并由文档用户界面和外部工具所使用。

  • 添加title：
from typing import Union

from fastapi import FastAPI, Query

app = FastAPI()


@app.get("/items/")
async def read_items(
    q: Union[str, None] = Query(default=None, title="Query string", min_length=3),
):
    results = {"items": [{"item_id": "Foo"}, {"item_id": "Bar"}]}
    if q:
        results.update({"q": q})
    return results
  • 添加description：
from typing import Union

from fastapi import FastAPI, Query

app = FastAPI()


@app.get("/items/")
async def read_items(
    q: Union[str, None] = Query(
        default=None,
        title="Query string",
        description="Query string for the items to search in the database that have a good match",
        min_length=3,
    ),
):
    results = {"items": [{"item_id": "Foo"}, {"item_id": "Bar"}]}
    if q:
        results.update({"q": q})
    return results

别名参数（alias）

假设你想要查询参数为item-query，如下：

http://127.0.0.1:8000/items/?item-query=foobaritems

但是item-query不是一个有效的Python变量名称，这时可以用alias参数声明一个别名，该别名将用于在URL中查找查询参数值：

from typing import Union

from fastapi import FastAPI, Query

app = FastAPI()


@app.get("/items/")
async def read_items(q: Union[str, None] = Query(default=None, alias="item-query")):
    results = {"items": [{"item_id": "Foo"}, {"item_id": "Bar"}]}
    if q:
        results.update({"q": q})
    return results

弃用参数（deprecated）

假设你不再喜欢该参数。

你不得不将其保留一段时间，因为有些客户端正在使用它，但你希望文档清楚地将其展示为已弃用。

那么将deprecated=True传入Query：

from typing import Union

from fastapi import FastAPI, Query

app = FastAPI()


@app.get("/items/")
async def read_items(
    q: Union[str, None] = Query(
        default=None,
        alias="item-query",
        title="Query string",
        description="Query string for the items to search in the database that have a good match",
        min_length=3,
        max_length=50,
        pattern="^fixedquery$",
        deprecated=True,
    ),
):
    results = {"items": [{"item_id": "Foo"}, {"item_id": "Bar"}]}
    if q:
        results.update({"q": q})
    return results

文档会像下面这样展示它：
在这里插入图片描述

总结

你可以为查询参数声明额外的校验和元数据。
通用的校验和元数据：

  • alias
  • title
  • description
  • deprecated

特定于字符串的校验：

  • min_length
  • max_length
  • regex

路径参数和数值校验

与使用Query为查询参数声明更多的校验和元数据的方式相同，你也可以使用Path为路径参数声明相同类型的校验和元数据。

具体步骤如下：

  • 导入Path：首先从fastapi导入Path
  • 声明元数据：可以声明与Query相同的所有参数，例如，要声明路径参数item_id的title元数据值，可以输入item_id: Annotated[int, Path(title="The ID of the item to get")]
from typing import Annotated

from fastapi import FastAPI, Path, Query

app = FastAPI()


@app.get("/items/{item_id}")
async def read_items(
    item_id: Annotated[int, Path(title="The ID of the item to get")],
    q: Annotated[str | None, Query(alias="item-query")] = None,
):
    results = {"item_id": item_id}
    if q:
        results.update({"q": q})
    return results

路径参数总是必需的。

按需对参数排序

假设你想要声明一个必需的str类型查询参数q。
而且你不需要为该参数声明任何其他内容，所以实际上并不需要使用Query。
但是你仍然需要使用Path来声明路径参数item_id。
如果你将带有【默认值】的参数放在没有【默认值】的参数之前，Python将会报错。
但是你可以对其重新排序，并将不带默认值的值（查询参数q）放到最前面。
对FastAPI来说这无关紧要。它将通过参数的名称、类型和默认值声明（Query、Path等）来检测参数，而不在乎参数的顺序。

因此可以将函数声明为：

from fastapi import FastAPI, Path

app = FastAPI()


@app.get("/items/{item_id}")
async def read_items(q: str, item_id: int = Path(title="The ID of the item to get")):
    results = {"item_id": item_id}
    if q:
        results.update({"q": q})
    return results

还可以用*表示后面的所有参数作为关键字参数，也被称为kwargs来调用，即使它们没有默认值：

from fastapi import FastAPI, Path

app = FastAPI()


@app.get("/items/{item_id}")
async def read_items(*, item_id: int = Path(title="The ID of the item to get"), q: str):
    results = {"item_id": item_id}
    if q:
        results.update({"q": q})
    return results

数值校验

使用Query和Path（以及后面的其他类）可以声明字符串约束，也可以声明数值约束。如下，添加ge=1后，item_id将必须是一个大于（greater than）或等于（equal）1的整数。

  • 大于等于
from fastapi import FastAPI, Path

app = FastAPI()


@app.get("/items/{item_id}")
async def read_items(
    *, item_id: int = Path(title="The ID of the item to get", ge=1), q: str
):
    results = {"item_id": item_id}
    if q:
        results.update({"q": q})
    return results
  • 大于：gt（greater than）
  • 小于等于：le（less than or equal）
from fastapi import FastAPI, Path

app = FastAPI()


@app.get("/items/{item_id}")
async def read_items(
    *,
    item_id: int = Path(title="The ID of the item to get", gt=0, le=1000),
    q: str,
):
    results = {"item_id": item_id}
    if q:
        results.update({"q": q})
    return results
  • 浮点数：数值校验同样适用于float值。

请求体-多个参数

既然我们已经知道了如何使用Path和Query，下面让我们来了解一下请求体声明的更高级用法。

混合使用Path、Query和请求体参数

你可以随意混合使用Path、Query和请求体参数声明。
你还可以通过将默认值设置为None来将请求体参数声明为可选参数：

from typing import Annotated

from fastapi import FastAPI, Path
from pydantic import BaseModel

app = FastAPI()


class Item(BaseModel):
    name: str
    description: str | None = None
    price: float
    tax: float | None = None


@app.put("/items/{item_id}")
async def update_item(
    item_id: Annotated[int, Path(title="The ID of the item to get", ge=0, le=1000)],
    q: str | None = None,
    item: Item | None = None,
):
    results = {"item_id": item_id}
    if q:
        results.update({"q": q})
    if item:
        results.update({"item": item})
    return results

多个请求体参数

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()


class Item(BaseModel):
    name: str
    description: str | None = None
    price: float
    tax: float | None = None


class User(BaseModel):
    username: str
    full_name: str | None = None


@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item, user: User):
    results = {"item_id": item_id, "item": item, "user": user}
    return results

在上面的情况下，FastAPI将注意到该函数中有多个请求体参数（两个Pydantic模型参数）。因此，它将使用参数名称作为请求体中的键（字段名称），并期望一个类似于以下内容的请求体：

{
    "item": {
        "name": "Foo",
        "description": "The pretender",
        "price": 42.0,
        "tax": 3.2
    },
    "user": {
        "username": "dave",
        "full_name": "Dave Grohl"
    }
}

FastAPI将自动对请求中的数据进行转换，因此item参数将接收指定的内容，user参数也是如此。它将执行对复合数据的校验，并且像现在这样为OpenAPI模式和自动化文档对其进行记录。

请求体中的单一值（Body）

与使用Query和Path为查询参数和路径参数定义额外数据的方式相同，FastAPI提供了一个同等的Body，例如上面的模型，除了item和user之外，还想在同一请求体中具有另一个键importance，如果按原样来声明它，因为它是一个单一值，FastAPI将假定它是一个查询参数。但是你可以使用Body指示FastAPI将其作为请求体的另一个键进行处理。

from typing import Annotated

from fastapi import Body, FastAPI
from pydantic import BaseModel

app = FastAPI()


class Item(BaseModel):
    name: str
    description: str | None = None
    price: float
    tax: float | None = None


class User(BaseModel):
    username: str
    full_name: str | None = None


@app.put("/items/{item_id}")
async def update_item(
    item_id: int, item: Item, user: User, importance: Annotated[int, Body()]
):
    results = {"item_id": item_id, "item": item, "user": user, "importance": importance}
    return results

在这种情况下，FastAPI将期望这样的请求体：

{
    "item": {
        "name": "Foo",
        "description": "The pretender",
        "price": 42.0,
        "tax": 3.2
    },
    "user": {
        "username": "dave",
        "full_name": "Dave Grohl"
    },
    "importance": 5
}

多个请求体参数和查询参数

除了请求体参数外，你还可以在任何需要的时候声明额外的查询参数。
由于默认情况下单一值被解释为查询参数，因此你不必显式地添加Query。

from typing import Annotated

from fastapi import Body, FastAPI
from pydantic import BaseModel

app = FastAPI()


class Item(BaseModel):
    name: str
    description: str | None = None
    price: float
    tax: float | None = None


class User(BaseModel):
    username: str
    full_name: str | None = None


@app.put("/items/{item_id}")
async def update_item(
    *,
    item_id: int,
    item: Item,
    user: User,
    importance: Annotated[int, Body(gt=0)],
    q: str | None = None,
):
    results = {"item_id": item_id, "item": item, "user": user, "importance": importance}
    if q:
        results.update({"q": q})
    return results

嵌入单个请求体参数（Body(embed=True)）

假设你只有一个来自Pydantic模型Item的请求体参数item。
默认情况下，FastAPI将直接期望这样的请求体。
但是，如果你希望它期望一个拥有item键并在值中包含模型内容的JSON，就像在声明额外的请求体参数时所做的那样，则可以使用一个特殊的Body参数embed：

item: Item = Body(embed=True)

from typing import Annotated

from fastapi import Body, FastAPI
from pydantic import BaseModel

app = FastAPI()


class Item(BaseModel):
    name: str
    description: str | None = None
    price: float
    tax: float | None = None


@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Annotated[Item, Body(embed=True)]):
    results = {"item_id": item_id, "item": item}
    return results

在这种情况下，FastAPI将期望像这样的请求体：

{
    "item": {
        "name": "Foo",
        "description": "The pretender",
        "price": 42.0,
        "tax": 3.2
    }
}

而不是：

{
    "name": "Foo",
    "description": "The pretender",
    "price": 42.0,
    "tax": 3.2
}

总结

你可以添加多个请求体参数到路径操作函数中，即使一个请求只能有一个请求体。

但是 FastAPI 会处理它，在函数中为你提供正确的数据，并在路径操作中校验并记录正确的模式。

你还可以声明将作为请求体的一部分所接收的单一值。

你还可以指示 FastAPI 在仅声明了一个请求体参数的情况下，将原本的请求体嵌入到一个键中。

请求体-字段（Field）

与在路径操作函数中使用Query、Path、Body声明校验与元数据的方式一样，可以使用Pydantic的Field在Pydantic模型内部声明校验和元数据。

具体步骤如下：

  • 导入Field：首先从Pydantic中导入Field。
  • 声明模型属性：使用Field定义模型的属性。
from typing import Annotated

from fastapi import Body, FastAPI
from pydantic import BaseModel, Field

app = FastAPI()


class Item(BaseModel):
    name: str
    description: str | None = Field(
        default=None, title="The description of the item", max_length=300
    )
    price: float = Field(gt=0, description="The price must be greater than zero")
    tax: float | None = None


@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Annotated[Item, Body(embed=True)]):
    results = {"item_id": item_id, "item": item}
    return results

Field的工作方式和Query、Path、Body相同，参数也相同。

请求体-嵌套类型

使用FastAPI，你可以定义、校验、记录文档并使用任意深度嵌套的模型（归功于Pydantic）。

List字段

你可以将一个属性定义为拥有子元素的类型。例如Pythonlist：

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()


class Item(BaseModel):
    name: str
    description: str | None = None
    price: float
    tax: float | None = None
    tags: list = []


@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item):
    results = {"item_id": item_id, "item": item}
    return results

这将使tags成为一个由元素组成的列表。不过它没有声明每个元素的类型。

具有子类型的List字段

但是Python有一种特定的方法来声明具有子类型的列表：

具体步骤如下：

  • 声明具有子类型的List：从typing模块导入它们，使用方括号[和]将子类型作为【类型参数】传入。
  • 在我们的示例中，我们可以将tags明确地指定为一个【字符串列表】。
from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()


class Item(BaseModel):
    name: str
    description: str | None = None
    price: float
    tax: float | None = None
    tags: list[str] = []


@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item):
    results = {"item_id": item_id, "item": item}
    return results

Set类型

标签不应该重复，所以用Set将tag声明为一个由str组成的set：

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()


class Item(BaseModel):
    name: str
    description: str | None = None
    price: float
    tax: float | None = None
    tags: set[str] = set()


@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item):
    results = {"item_id": item_id, "item": item}
    return results

这样，即使收到带有重复数据的请求，这些数据也会被转换为一组唯一项。

而且，每当你输出该数据时，即使源数据有重复，它们也将作为一组唯一项输出。

并且还会被相应地标注/记录文档。

嵌套类型

Pydantic模型的每个属性都具有类型。但是这个类型本身可以是另一个Pydantic模型。因此，你可以声明拥有特定属性名称、类型和校验的深度嵌套的JSON对象。

例如：

  • 定义一个Image模型
  • 将Image模型用作一个属性的类型
from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()


class Image(BaseModel):
    url: str
    name: str


class Item(BaseModel):
    name: str
    description: str | None = None
    price: float
    tax: float | None = None
    tags: set[str] = set()
    image: Image | None = None


@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item):
    results = {"item_id": item_id, "item": item}
    return results

这意味着FastAPI将期望类似于以下内容的请求体：

{
    "name": "Foo",
    "description": "The pretender",
    "price": 42.0,
    "tax": 3.2,
    "tags": ["rock", "metal", "bar"],
    "image": {
        "url": "http://example.com/baz.jpg",
        "name": "The Foo live"
    }
}

特殊的类型和校验

除了普通的单一值类型（如str、int、float等）外，你还可以使用从str继承的更复杂的单一值类型。

要了解所有的可用选项，查看来自Pydantic的外部类型的文档。

例如，在Image模型中我们有一个url字段，我们可以把它声明为Pydantic的HttpUrl，而不是str：

from fastapi import FastAPI
from pydantic import BaseModel, HttpUrl

app = FastAPI()


class Image(BaseModel):
    url: HttpUrl
    name: str


class Item(BaseModel):
    name: str
    description: str | None = None
    price: float
    tax: float | None = None
    tags: set[str] = set()
    image: Image | None = None


@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item):
    results = {"item_id": item_id, "item": item}
    return results

该字符串将被检查是否为有效的URL，并在JSON Schema/OpenAPI文档中进行记录。

带有一组子模型的属性

你还可以将Pydantic模型用作list、set等的子模型：

from fastapi import FastAPI
from pydantic import BaseModel, HttpUrl

app = FastAPI()


class Image(BaseModel):
    url: HttpUrl
    name: str


class Item(BaseModel):
    name: str
    description: str | None = None
    price: float
    tax: float | None = None
    tags: set[str] = set()
    images: list[Image] | None = None


@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item):
    results = {"item_id": item_id, "item": item}
    return results

这将期望（转换，校验，记录文档等）下面这样的JSON请求体：

{
    "name": "Foo",
    "description": "The pretender",
    "price": 42.0,
    "tax": 3.2,
    "tags": [
        "rock",
        "metal",
        "bar"
    ],
    "images": [
        {
            "url": "http://example.com/baz.jpg",
            "name": "The Foo live"
        },
        {
            "url": "http://example.com/dave.jpg",
            "name": "The Baz"
        }
    ]
}

深度嵌套模型

你可以定义任意深度的嵌套模型：

from typing import Union

from fastapi import FastAPI
from pydantic import BaseModel, HttpUrl

app = FastAPI()


class Image(BaseModel):
    url: HttpUrl
    name: str


class Item(BaseModel):
    name: str
    description: Union[str, None] = None
    price: float
    tax: Union[float, None] = None
    tags: set[str] = set()
    images: Union[list[Image], None] = None


class Offer(BaseModel):
    name: str
    description: Union[str, None] = None
    price: float
    items: list[Item]


@app.post("/offers/")
async def create_offer(offer: Offer):
    return offer

纯列表请求体

如果你期望的JSON请求体的最外层是一个JSONarray（即Python list），则可以在路径操作函数的参数中声明此类型，就像声明Pydantic模型一样：

images: List[Image]

例如：

from fastapi import FastAPI
from pydantic import BaseModel, HttpUrl

app = FastAPI()


class Image(BaseModel):
    url: HttpUrl
    name: str


@app.post("/images/multiple/")
async def create_multiple_images(images: list[Image]):
    return images

任意dict构成的请求体

你也可以将请求体声明为使用某类型的键和其他类型值的dict。
无需事先知道有效的字段/属性（在使用Pydantic模型的场景）名称是什么。
如果你想接收一些尚且未知的键，这将很有用。

其他有用的场景是当你想要接收其他类型的键时，例如int，如下，你将接受任意键为int类型并且值为float类型的dict：

from fastapi import FastAPI

app = FastAPI()


@app.post("/index-weights/")
async def create_index_weights(weights: dict[int, float]):
    return weights

JSON仅支持将str作为键，但是Pydantic具有自动转换数据的功能。这意味着，即使你的API客户端只能将字符串作为键发送，只要这些字符串内容仅包含整数，Pydantic就会对其进行转换并校验。然后你接收的名为weights的dict实际上将具有int类型的键和float类型的值。

模式的额外信息-例子

你可以在JSON模式中定义额外的信息。
一个常见的用例是添加一个将在文档中显示的example。
有几种方法可以声明额外的JSON模式信息。

Pydantic schema_extra

你可以使用Config和schema_extra为Pydantic模型声明一个示例，如Pydantic文档：定制Schema中所述。

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()


class Item(BaseModel):
    name: str
    description: str | None = None
    price: float
    tax: float | None = None

    model_config = {
        "json_schema_extra": {
            "examples": [
                {
                    "name": "Foo",
                    "description": "A very nice Item",
                    "price": 35.4,
                    "tax": 3.2,
                }
            ]
        }
    }


@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item):
    results = {"item_id": item_id, "item": item}
    return results

这些额外的信息将按原样添加到输出的JSON模式中。

Field的附加参数

在Field，Path，Query，Body和其他你之后将会看到的工厂函数，你可以为JSON模式声明额外信息，你也可以通过给工厂函数传递其他的任意参数来给JSON模式声明额外信息，比如增加example：

from fastapi import FastAPI
from pydantic import BaseModel, Field

app = FastAPI()


class Item(BaseModel):
    name: str = Field(examples=["Foo"])
    description: str | None = Field(default=None, examples=["A very nice Item"])
    price: float = Field(examples=[35.4])
    tax: float | None = Field(default=None, examples=[3.2])


@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item):
    results = {"item_id": item_id, "item": item}
    return results

传递的那些额外参数不会添加任何验证，只会添加注释，用于文档的目的。

Body额外参数

from typing import Annotated

from fastapi import Body, FastAPI
from pydantic import BaseModel

app = FastAPI()


class Item(BaseModel):
    name: str
    description: str | None = None
    price: float
    tax: float | None = None


@app.put("/items/{item_id}")
async def update_item(
    item_id: int,
    item: Annotated[
        Item,
        Body(
            examples=[
                {
                    "name": "Foo",
                    "description": "A very nice Item",
                    "price": 35.4,
                    "tax": 3.2,
                }
            ],
        ),
    ],
):
    results = {"item_id": item_id, "item": item}
    return results

额外数据类型

到目前为止，一直在使用常见的数据类型，如：

  • int
  • float
  • str
  • bool
    但是也可以使用更复杂的数据类型。

其他数据类型

  • UUID:
    一种标准的 “通用唯一标识符” ，在许多数据库和系统中用作ID。
    在请求和响应中将以 str 表示。
  • datetime.datetime:
    一个 Python datetime.datetime.
    在请求和响应中将表示为 ISO 8601 格式的 str ，比如: 2008-09-15T15:53:00+05:00.
  • datetime.date:
    Python datetime.date.
    在请求和响应中将表示为 ISO 8601 格式的 str ，比如: 2008-09-15.
  • datetime.time:
    一个 Python datetime.time.
    在请求和响应中将表示为 ISO 8601 格式的 str ，比如: 14:23:55.003.
  • datetime.timedelta:
    一个 Python datetime.timedelta.
    在请求和响应中将表示为 float 代表总秒数。
    Pydantic 也允许将其表示为 “ISO 8601 时间差异编码”, 查看文档了解更多信息。
  • frozenset:
    在请求和响应中，作为 set 对待：
    在请求中，列表将被读取，消除重复，并将其转换为一个 set。
    在响应中 set 将被转换为 list 。
    产生的模式将指定那些 set 的值是唯一的 (使用 JSON 模式的 uniqueItems)。
  • bytes:
    标准的 Python bytes。
    在请求和响应中被当作 str 处理。
    生成的模式将指定这个 str 是 binary “格式”。
  • Decimal:
    标准的 Python Decimal。
    在请求和响应中被当做 float 一样处理。
    您可以在这里检查所有有效的pydantic数据类型: Pydantic data types.

例子

from datetime import datetime, time, timedelta
from typing import Annotated
from uuid import UUID

from fastapi import Body, FastAPI

app = FastAPI()


@app.put("/items/{item_id}")
async def read_items(
    item_id: UUID,
    start_datetime: Annotated[datetime, Body()],
    end_datetime: Annotated[datetime, Body()],
    process_after: Annotated[timedelta, Body()],
    repeat_at: Annotated[time | None, Body()] = None,
):
    start_process = start_datetime + process_after
    duration = end_datetime - start_process
    return {
        "item_id": item_id,
        "start_datetime": start_datetime,
        "end_datetime": end_datetime,
        "process_after": process_after,
        "repeat_at": repeat_at,
        "start_process": start_process,
        "duration": duration,
    }

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/754533.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

从我邮毕业啦！！！

从我邮毕业啦！！！

引言 时间过的好快，转眼间就要从北邮毕业了，距离上一次月度总结又过去了两个月，故作本次总结。 PS: https://github.com/WeiXiao-Hyy/blog整理了后端开发的知识网络，欢迎Star！ 毕业🎓 6月1号完成了自己的…
阅读更多...
Windows server 2016.2019 .NET Framework 3.5安装包、安装步骤

Windows server 2016.2019 .NET Framework 3.5安装包、安装步骤

windows server2019 操作系统 安装 sqlserver2008时提示缺少 .NET Frameword 3.5， 在功能里选择 .NET Frameword 3.5安装报错， 下载安装包，下载地址 https://download.csdn.net/download/qq445829096/89450429这里指定备份源路径 安装包解…
阅读更多...
多供应商食品零售商城系统的会员营销设计和实现

多供应商食品零售商城系统的会员营销设计和实现

在多供应商食品零售商城系统中，会员营销是提升用户粘性和增加销售的重要手段。一个有效的会员营销系统能够帮助平台更好地了解用户需求，提供个性化服务，进而提高用户满意度和忠诚度。本文将详细探讨多供应商食品零售商城系统的会员营销设计与…
阅读更多...
2毛钱不到的2A同步降压DCDC电压6V频率1.5MHz电感2.2uH封装SOT23-5芯片MT3520B

2毛钱不到的2A同步降压DCDC电压6V频率1.5MHz电感2.2uH封装SOT23-5芯片MT3520B

前言 2A，2.3V-6V输入，1.5MHz 同步降压转换器，批量价格约0.18元 MT3520B 封装SOT23-5 丝印AS20B5 特征 高效率：高达 96% 1.5MHz恒定频率操作 2A 输出电流 无需肖特基二极管 2.3V至6V输入电压范围 输出电压低至 0.6V PFM 模式可在…
阅读更多...
MySQL进阶-索引-使用规则-索引失效情况一（索引列运算，字符串不加引号，头部模糊匹配）

MySQL进阶-索引-使用规则-索引失效情况一（索引列运算，字符串不加引号，头部模糊匹配）

文章目录 1、索引列运算1.1、查询表tb_user1.2、查看tb_user的索引1.3、查询 phone177999900151.4、执行计划 phone177999900151.5、查询 substring(phone,10,2) 151.6、执行计划 substring(phone,10,2) 15 2、字符串不加引号2.1、查询 phone177999900152.2、执行计划 phone177…
阅读更多...
JAVA-矩阵置零

JAVA-矩阵置零

给定一个 m x n 的矩阵，如果一个元素为 0 ，则将其所在行和列的所有元素都设为 0 。请使用 原地 算法。 思路： 找到0的位置，把0出现的数组的其他值夜置为0 需要额外空间方法： 1、定义两个布尔数组标记二维数组中行和列…
阅读更多...
axios之CancelToken取消请求

axios之CancelToken取消请求

从 v0.22.0 开始，Axios 支持以 fetch API 方式—— AbortController 取消请求 此 API 从 v0.22.0 开始已被弃用，不应在新项目中使用 官网链接 1. 背景 最近项目中遇到一个场景，当连续触发一个请求时，如果是同一个接口&#xf…
阅读更多...
【仿真建模-anylogic】开发规范

【仿真建模-anylogic】开发规范

Author：赵志乾 Date：2024-06-28 Declaration：All Right Reserved！！！ 0. 说明 实际模型开发过程中，对遇到的问题进行总结归纳出以下开发规范，仅供参考！ 1. 强制性规范 1…
阅读更多...
加密与安全_Java 加密体系 (JCA) 和 常用的开源密码库

加密与安全_Java 加密体系 (JCA) 和 常用的开源密码库

文章目录 Java Cryptography Architecture (JCA)开源国密库国密算法对称加密（DES/AES⇒SM4）非对称加密（RSA/ECC⇒SM2）散列(摘要/哈希)算法（MD5/SHA⇒SM3） 在线生成公钥私钥对，RSA公私钥生成参考…
阅读更多...
单目操作符

单目操作符

目录 ! --- 逻辑反操作 & --- 取地址操作符 * --- 间接访问操作符（解引用操作符） sizeof --- 操作数的类型长度（单位为字节） ~ --- 对一个数的补码二进制按位取反 前置和前置-- 后置和后置-- (类型) --- 强制类型转换…
阅读更多...
《GPT模型揭秘：数据驱动AI的核心概念与GPT系列对比分析》

《GPT模型揭秘：数据驱动AI的核心概念与GPT系列对比分析》

DS：《What Are the Data-Centric AI Concepts behind GPT Models?通过三个数据为中心的人工智能目标(训练数据开发、推理数据开发和数据维护)揭示GPT模型背后的数据为中心的人工智能概念》解读—GPT-1/GPT-2/GPT-3系列对比(语料大小参数量解码层数上下文长度隐藏层…
阅读更多...
RabbitMQ中java实现队列和交换机的声明

RabbitMQ中java实现队列和交换机的声明

java实现队列和交换机的声明 在之前我们都是基于RabbitMQ控制台来创建队列、交换机。但是在实际开发时，队列和交换机是程序员定义的，将来项目上线，又要交给运维去创建。那么程序员就需要把程序中运行的所有队列和交换机都写下来，…
阅读更多...
重塑客户体验！VoLTE、VoNR引领新时代企业服务变革

重塑客户体验！VoLTE、VoNR引领新时代企业服务变革

试想一下，当你拨打客服咨询或售后电话时，没有漫长的等待，瞬时在手机中看到清晰的客服人员的脸，你说一句，ta说一句，你们流畅的沟通，仿佛线下面对面交流…… 这是VoLTE（Voice over LT…
阅读更多...
微服务部署上线过程总结

微服务部署上线过程总结

目录 一、找到适合自己的部署方式 二、开始部署，先安装需要的环境 2.1 梳理一下都需要安装什么软件 2.2 配置数据库环境 2.3 配置redis 2.4 配置nacos 2.5 配置rabbitmq 2.6 配置docker环境 三、环境配置好了，开始部署后端 3.1 梳理后端都…
阅读更多...
Vue3学习笔记＜-＞nginx部署vue项目（3）

Vue3学习笔记＜-＞nginx部署vue项目（3）

安装nginx vue项目通常部署到nginx上，所以先安装一个nginx。为了方便安装的是windows版nginx，解压就能用。 项目参考上一篇文章《Vue3学习笔记＜-＞创建第一个vue项目》《Vue3学习笔记＜-＞创建第一个vue项目》…
阅读更多...
微信视频号里面的视频怎么下载，分享4个视频号视频下载方法！可长期使用

微信视频号里面的视频怎么下载，分享4个视频号视频下载方法！可长期使用

如何在微信视频号里下载视频,虽然互联网上微信视频号视频下载方法千千万，奈何总有一些方法不起任何作用. 如何解决这一问题，今天就分享3个可以下载微信视频号的视频方法仅供参考。 1:提取器助手 手机搜索提取器助收/扫码获取视频号下载小助手二维码。该…
阅读更多...
unity VR Interaction Framework 创建新手势

unity VR Interaction Framework 创建新手势

提示：文章有错误的地方，还望诸位大神不吝指教！ 文章目录 前言一、新建物体，并添加必要组件二、添加抓取点三、查看手势的可视化样式四、制作新的手势1.点击编辑2.根据需求调节手指关节3.保存手势4. 使用创建的手势5.运行 总结 前言…
阅读更多...
LangGPT：高质量提示词框架

LangGPT：高质量提示词框架

题目：LangGPT: Rethinking Structured Reusable Prompt Design Framework for LLMs from the Programming Language作者: Ming Wang; Yuanzhong Liu; Xiaoming Zhang; Songlian Li; Yijie Huang; Chi Zhang; Daling Wang; Shi Feng; Jigang LiDOI: 10.48550/arXiv.2…
阅读更多...
阿里云 CosyVoice 语音合成大模型 API 实践

阿里云 CosyVoice 语音合成大模型 API 实践

前言 最近大模型这么火，就想着玩一下，作为非 AI 从业者，最好的方式就是调用云服务的 API 来构建自己的 AI 应用。首选当然是国外的 ChatGPT API，但是说实话那个玩意有点贵，而且最近国内也被封禁不让调用了&#xff0c…
阅读更多...
docker-本地部署-后端

docker-本地部署-后端

前置条件 后端文件 这边是一个简单项目的后端文件目录 docker服务 镜像文件打包 #命令行 docker build -t author/chatgpt-ai-app:1.0 -f ./Dockerfile .红框是docker所在文件夹 author：docker用户名chatgpt-ai-app：打包的镜像文件名字:1.0 &#…
阅读更多...
最新文章

Copyright @ 2022~2023