PythonWeb基础-FastAPI使用

优质文章学习记录

— 11 min read
PythonWeb基础-FastAPI使用

FastAPI是一个基于Python的高性能Web框架，用于快速构建API接口服务。FastAPI带有原生的异步支持，具备极高的性能。

1.框架基础使用

1.1 创建FastAPI项目

创建虚拟环境是为了隔离项目运行环境，避免依赖冲突，保持全局环境的干净与稳定。

项目运行：

方式一：run项目

方式二：运行指令：uvicorn 模块名:app(应用实例名) --reload  ( --reload:更改代码后自动重启服务器)

访问交互式文档：

http://127.0.0.1:8000/docs

1.2 路由

路由就是URL地址与处理函数之间的映射关系，它决定了用户访问某个特定网址时，服务器应执行哪个后端接口来返回响应结果。

FastAPI的路由定义基于Python的装饰器模式：

实例：

from fastapi import FastAPI # 创建 FastAPI 实例 app = FastAPI() @app.get("/lgh") async def get_lgh(): return {"data":"你好 吕贵浩"}

1.3 参数

参数就是客户端发送请求时附带的额外信息和指令，参数的作用就是让同一个接口能根据不同的输入，返回不同的输出，实现动态交互。同一段接口逻辑，根据参数不同返回不同的数据。

1.3.1 路径参数

FastAPI允许为参数声明额外的信息和校验，通过导入FastAPI的Path函数实现。

from fastapi import FastAPI, Path app = FastAPI() # 需求：查找书籍的详情，路径参数 id，取值范围 1-100 @app.get("/book/{id}") async def get_book(id: int = Path(..., gt=0, lt=101, description="书籍id，取值范围1-100")): return {"id": id, "title": f"这是第{id}本书"} # 需求：查找书籍的作者，路径参数 name，长度范围 2-10 @app.get("/author/{name}") async def get_name(name: str = Path(..., min_length=2, max_length=10)): return {"msg": f"这是{name}的信息"}

1.3.2 查询参数

声明的参数不是路径参数时，路径操作函数会将该参数自动解释为查询参数。是同Query函数实现查询参数补充操作。

from fastapi import FastAPI, Query app = FastAPI() # 需求 查询新闻 → 分页，skip: 跳过的记录数， limit：返回的记录数 10 @app.get("/news/news_list") async def get_news_list( skip: int = Query(0, description="跳过的记录数", lt=100), limit: int = Query(10, description="返回的记录数") ): return {"skip": skip, "limit": limit}

1.3.3 请求体参数

创建类型并设计接口，借助Field添加类型注解。

from fastapi import FastAPI from pydantic import BaseModel, Field app = FastAPI() # 注册： 用户名和密码 → str class User(BaseModel): username: str = Field(default="张三", min_length=2, max_length=10, description="用户名，长度要求2-10个字") password: str = Field(min_length=3, max_length=20) @app.post("/register") async def register(user: User): return user

1.4 请求与响应

1.4.1 响应类型

默认情况下，FastAPI 会自动将路径操作函数返回的 Python 对象（字典、列表、Pydantic 模型等），经由 jsonable_encoder 转换为 JSON 兼容格式，并包装为 JSONResponse 返回。这省去了手动序列化的步骤，让开发者能更专注于业务逻辑。如果需要返回非 JSON 数据（如 HTML、文件流），FastAPI 提供了丰富的响应类型来返回不同数据。

1.4.2 相应类型设置方式

HTML格式：

from fastapi import FastAPI from fastapi.responses import HTMLResponse app = FastAPI() # 接口 → 响应 HTML 代码 @app.get("/html", response_class=HTMLResponse) async def get_html(): return "<h1>这是一级标题</h1>"

文件格式：

from fastapi import FastAPI from fastapi.responses import FileResponse app = FastAPI() # 接口： 返回一张图片内容 @app.get("/file") async def get_file(): path = "./files/1.jpeg" return FileResponse(path)

自定义响应数据格式：

from fastapi import FastAPI from pydantic import BaseModel app = FastAPI() # 需求：新闻接口 → 响应数据格式 id、title、content class News(BaseModel): id: int title: str content: str @app.get("/news/{id}", response_model=News) async def get_news(id: int): return { "id": id, "title": f"这是第{id}本书", "content": "这是一本好书" }

 response_model是路径操作装饰器（如@app.get或@app.post）的关键参数，它通过一个Pydantic模型来严格定义和约束API端点的输出格式。这一机制在提供自动数据验证和序列化的同时，更是保障数据安全性的第一道防线。

1.5 异常处理

2.引入中间件与依赖注入

2.1 中间件

中间件（Middleware）是一个在每次请求进入 FastAPI 应用时都会被执行的函数。它在请求到达实际的路径操作（路由处理函数）之前运行，并且在响应返回给客户端之前再运行一次。

中间件：函数顶部使用装饰器@app.middleware("http")，多个中间件的执行顺序是自下而上。

@app.middleware("http") async def middleware2(request, call_next): print("中间件2 start") response = await call_next(request) print("中间件2 end") return response @app.middleware("http") async def middleware1(request, call_next): print("中间件1 start") response = await call_next(request) print("中间件1 end") return response

2.2 依赖注入

使用依赖注入系统来共享通用逻辑，减少代码重复

from fastapi import FastAPI, Query, Depends # 2. 导入 Depends app = FastAPI() # 分页参数逻辑共用： 新闻列表和用户列表 # 1. 依赖项 async def common_parameters( skip: int = Query(0, ge=0), limit: int = Query(10, le=60) ): return {"skip": skip, "limit": limit} # 3. 声明依赖项 → 依赖注入 @app.get("/news/news_list") async def get_news_list(commons=Depends(common_parameters)): return commons @app.get("/user/user_list") async def get_user_list(commons=Depends(common_parameters)): return commons

3.ORM

ORM（Object-RelationalMapping，对象关系映射）是一种编程技术，用于在面向对象编程语言和关系型数据库之间建立映射。它允许开发者通过操作对象的方式与数据库进行交互，而无需直接编写复杂的 SQL 语句。

优势：减少重复的 SQL 代码代码更简洁易读自动处理数据库连接和事务自动防止 SQL 注入攻击。

ORM使用流程：

3.1 建表

from datetime import datetime from fastapi import FastAPI, Depends from sqlalchemy import DateTime, func, String, Float, select from sqlalchemy.ext.asyncio import create_async_engine, async_sessionmaker, AsyncSession from sqlalchemy.orm import DeclarativeBase, Mapped, mapped_column app = FastAPI() # 1. 创建异步引擎 ASYNC_DATABASE_URL = "mysql+aiomysql://root:xxx@localhost:3306/fast_api?charset=utf8" async_engine = create_async_engine( ASYNC_DATABASE_URL, echo=True, # 可选，输出 SQL 日志 pool_size=10, # 设置连接池活跃的连接数 max_overflow=20 # 允许额外的连接数 ) # 2. 定义模型类： 基类 + 表对应的模型类 # 基类：创建时间、更新时间；书籍表：id、书名、作者、价格、出版社 class Base(DeclarativeBase): create_time: Mapped[datetime] = mapped_column(DateTime, insert_default=func.now(), default=func.now, comment="创建时间") update_time: Mapped[datetime] = mapped_column(DateTime, insert_default=func.now(), default=func.now, onupdate=func.now(), comment="修改时间") class Book(Base): __tablename__ = "book" id: Mapped[int] = mapped_column(primary_key=True, comment="书籍id") bookname: Mapped[str] = mapped_column(String(255), comment="书名") author: Mapped[str] = mapped_column(String(255), comment="作者") price: Mapped[float] = mapped_column(Float, comment="价格") publisher: Mapped[str] = mapped_column(String(255), comment="出版社") # 3. 建表：定义函数建表 → FastAPI 启动的时候调用建表的函数 async def create_tables(): # 获取异步引擎，创建事务 - 建表 async with async_engine.begin() as conn: await conn.run_sync(Base.metadata.create_all) # Base 模型类的元数据创建 @app.on_event("startup") async def startup_event(): await create_tables() @app.get("/") async def root(): return {"message": "Hello World"}

3.2 在路由匹配中使用ORM

核心：创建依赖项，使用Depends注入到处理函数。

 # 创建异步会话工厂 # 需求：查询功能的接口，查询图书 → 依赖注入：创建依赖项获取数据库会话 + Depends 注入路由处理函数 AsyncSessionLocal = async_sessionmaker( bind=async_engine, # 绑定数据库引擎 class_=AsyncSession, # 指定会话类 expire_on_commit=False # 提交后会话不过期，不会重新查询数据库 ) # 依赖项 async def get_database(): async with AsyncSessionLocal() as session: try: yield session # 返回数据库会话给路由处理函数 await session.commit() # 提交事务 except Exception: await session.rollback() # 有异常，回滚 raise finally: await session.close() # 关闭会话 @app.get("/book/books") async def get_book_list(db: AsyncSession = Depends(get_database)): # 查询 result = await db.execute(select(Book)) book = result.scalars().all() return book

3.3 数据库操作

3.3.1 查询

查询数据：

@app.get("/book/books") async def get_book_list(db: AsyncSession = Depends(get_database)): # result = await db.execute(select(Book)) # 查询 → 返回一个 ORM 对象 # book = result.scalars().all() # 获取所有 # book = result.scalars().first() # 获取第一个 book = await db.get(Book, 5) # 获取单条数据 → 根据主键 return book

查询条件：

# 需求：路径参数 书籍id @app.get("/book/get_book/{book_id}") async def get_book_list(book_id: int, db: AsyncSession = Depends(get_database)): result = await db.execute(select(Book).where(Book.id == book_id)) book = result.scalar_one_or_none() return book # 需求：条件 价格大于等于200 @app.get("/book/search_book") async def get_search_book(db: AsyncSession = Depends(get_database)): result = await db.execute(select(Book).where(Book.price >= 200)) books = result.scalars().all() return books 
 @app.get("/book/search_book") async def get_search_book(db: AsyncSession = Depends(get_database)): # 需求： 作者以 曹 开头 % _ # like() 模糊查询： % 任意个字符；_ 一个单个字符 # result = await db.execute(select(Book).where(Book.author.like("曹_"))) # & | ~ 与非 # result = await db.execute(select(Book).where((Book.author.like("曹%")) | (Book.price > 100))) # in_() 包含 # 需求：书籍id列表，数据库里面的 id 如果在 书籍id列表里面 就返回 id_list = [1, 3, 5, 7] result = await db.execute(select(Book).where(Book.id.in_(id_list))) book = result.scalars().all() return book

聚合查询：

@app.get("/book/count") async def get_count(db: AsyncSession = Depends(get_database)): # 聚合查询 select( func.方法名(模型类.属性) ) # result = await db.execute(select(func.count(Book.id))) # result = await db.execute(select(func.max(Book.price))) # result = await db.execute(select(func.sum(Book.price))) result = await db.execute(select(func.avg(Book.price))) num = result.scalar() # 用来提取一个数值 → 标量值 return num

分页查询：

@app.get("/book/get_book_list") async def get_book_list( page: int = 1, page_size: int = 3, db: AsyncSession = Depends(get_database) ): # （页码 - 1） * 每页数量 skip = (page - 1) * page_size # offset 跳过的记录数 ； limit 每页的记录数 stmt = select(Book).offset(skip).limit(page_size) result = await db.execute(stmt) books = result.scalars().all() return books

查询总结：

3.3.2 新增数据

# 需求：用户输入图书信息（id、书名、作者、价格、出版社） → 新增 # 用户输入 → 参数 → 请求体 class BookBase(BaseModel): id: int bookname: str author: str price: float publisher: str @app.post("/book/add_book") async def add_book(book: BookBase, db: AsyncSession = Depends(get_database)): # ORM对象 → add → commit book_obj = Book(**book.__dict__) db.add(book_obj) await db.commit() return book

3.3.3 修改数据

@app.put("/book/update_book/{book_id}") async def update_book(book_id: int, data: BookUpdate, db: AsyncSession = Depends(get_database)): # 1. 查找图书 db_book = await db.get(Book, book_id) # 如果未找到 抛出异常 if db_book is None: raise HTTPException( status_code=404, detail="查无此书" ) # 2. 找到了则修改：重新赋值 db_book.bookname = data.bookname db_book.author = data.author db_book.price = data.price db_book.publisher = data.publisher # 3. 提交到数据库 await db.commit() return db_book

3.3.4 删除数据

@app.delete("/book/delete_book/{book_id}") async def delete_book(book_id: int, db: AsyncSession = Depends(get_database)): # 先查再删 提交 db_book = await db.get(Book, book_id) if db_book is None: raise HTTPException( status_code=404, detail="查无此书" ) await db.delete(db_book) await db.commit() return {"msg": "删除图书成功"}

Read more

前端小白也能秒上手：JS生成UUID的10种姿势（附避坑指南）

前端小白也能秒上手：JS生成UUID的10种姿势（附避坑指南）

前端小白也能秒上手：JS生成UUID的10种姿势（附避坑指南） * 前端小白也能秒上手：JS生成UUID的10种姿势（附避坑指南） * 为啥前端突然要搞这破玩意儿？还不是被后端逼的 * 先整明白UUID到底是个啥，别瞎用 * 土法炼钢第一式：Math.random()真的靠谱吗？ * 土法炼钢第二式：Date.now()加料版 * 土法炼钢第三式：浏览器指纹大杂烩 * 正规军来了：uuid npm包到底香不香？ * 浏览器原生API：crypto.randomUUID()真香预警 * 生产环境翻车实录：那些我以为的唯一其实并不唯一 * 实战代码大放送：这些场景你肯定用得上 * 调试技巧：怎么验证你的UUID真的唯一？ * 冷门但好用的小技巧 * 最后唠叨两句，也是掏心窝子的话 前端小白也能秒上手：JS生成UUID的10种姿势（附避坑指南） 说实话啊，这篇文章我原本是不想写的。真的，因为UUID这玩意儿听起来就挺"后端味儿"的，感觉应该是那帮穿格子衫的Java老哥在Spring Boot里@Genera
AI 直接生成前端代码：我的软件原型设计流，从此告别重复画图

AI 直接生成前端代码：我的软件原型设计流，从此告别重复画图

近年来，AI 辅助开发越来越成熟，尤其是在快速原型设计方面。今天分享一下我如何借助 Cursor、Trace solo、ChatGPT、Qoder 等 AI 工具，高效完成软件原型的自动绘制与代码生成。 📌 核心流程三步走 1️⃣ 用 AI 输出需求文档（非技术描述） 首先，我会让 AI 根据产品思路或功能描述，生成一份清晰、无技术细节的需求文档。这一步不写代码，只聚焦逻辑与用户流程。 2️⃣ AI 生成 HTML 原型代码 基于上一步的需求文档，直接让 AI 生成对应的 HTML 代码，快速搭建出可交互的前端原型。支持实时预览，直观看到界面效果。 3️⃣ 反复微调，直至满意 生成的原型往往需要多次调整。通过自然语言描述修改方向，AI 可快速迭代代码，直至达到想要的交互与视觉效果。
【红黑树进阶】手撕STL源码：从零封装RB-tree实现map和set

【红黑树进阶】手撕STL源码：从零封装RB-tree实现map和set

👇点击进入作者专栏： 《算法画解》 ✅ 《linux系统编程》✅ 《C++》 ✅ 文章目录 * 一. 源码及框架分析 * 1.1 STL源码中的设计思想 * 1.2 STL源码框架分析 * 二. 模拟实现map和set（实现复用红黑树的框架） * 2.1 红黑树节点的定义 * 2.2 红黑树的基本框架 * 2.3 解决Key的比较问题：KeyOfT仿函数 * 2.4 支持insert插入 * 2.5 map和set的insert封装 * 三. 迭代器的实现 * 3.1 迭代器结构设计 * 3.2 迭代器的++操作 * 3.3 迭代器的--操作 * 3.4 RBTree中的迭代器接口 * 四. map和set对迭代器的封装 * 4.

OCR增强与空间感知升级｜Qwen3-VL-WEBUI在Dify中的实战应用

OCR增强与空间感知升级｜Qwen3-VL-WEBUI在Dify中的实战应用 💡 获取更多AI镜像 想探索更多AI镜像和应用场景？访问 ZEEKLOG星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。 1. 引言：视觉智能的“低代码革命” 在企业数字化转型加速的今天，如何让AI真正“看懂世界”并快速落地到业务流程中，已成为技术团队的核心挑战。传统多模态系统开发周期长、依赖专业算法工程师、部署复杂——尤其在OCR识别、GUI理解、空间关系分析等任务中，往往需要定制化模型训练与大量工程适配。 而随着阿里通义千问发布 Qwen3-VL-WEBUI 镜像，这一局面正在被打破。该镜像内置了最新一代视觉语言模型 Qwen3-VL-4B-Instruct，不仅具备强大的图文理解能力，更在OCR鲁棒性、空间感知、GUI代理等方面实现全面升级。结合低代码平台 Dify，开发者无需编写任何后端代码，即可构建出具备“视觉认知+逻辑决策”能力的智能应用。 本文将深入解析 Qwen3-VL 的核心技术增强点，并通过实际案例展示其在 Dify