Python

前言

为啥要学这个，因为 FastAPI 是基于它进行开发的，而且是个不错的框架，所以有必要深入学习

前置学习

Python 类型提示：https://www.cnblogs.com/poloyy/p/15145380.html

typing 模块：https://www.cnblogs.com/poloyy/p/15150315.html

Pydantic 介绍

使用 python 类型注释来进行数据校验和 settings 管理
pydantic 可以在代码运行时强制执行类型提示，并在数据校验无效时提供友好的错误提示
定义数据应该如何在规范的 python 代码中保存，然后通过 Python 验证它

Pydantic 安装

pip install pydantic

测试 pydantic 是否已编译

import pydantic

print('compiled:', pydantic.compiled)


# 输出结果
compiled: True

Pydantic 注意事项

pydantic 是一个解析库，而不是一个验证库
验证是达到目的一种手段，构建符合所提供的类型和约束的模型
简单来说：pydantic 保证输出模型的类型和约束，而不是输入数据

Models

简介

在 pydantic 中定义对象的主要方法是通过模型（模型是从 BaseModel 继承的类）
所有基于 pydantic 的数据类型本质上都是一个 BaseModel 类
可以将模型视为强类型语言中的类型（比如 Java）
不受信任的数据可以传递给模型，经过解析和验证后，pydantic 保证生成的模型实例的字段将符合定义的字段类型（实例字段类型符合类定义的字段类型）

基础模型使用

from pydantic import BaseModel

class User(BaseModel):
    id: int
    name = "小菠萝测试笔记"

User 就是一个模型（Models），有两个字段（属性）
id，整数 int 类型，是必传的
name，字符串 string 类型，不是必传，有默认值

为什么能知道 name 是 string 类型？

因为默认值是 string 类型，因此不需要类型提示（ name : string ）

注意：当某些字段没有类型提示时，需要注意有关字段顺序的警告

声明一个有效实例

user = User(id='123')

user 是 User 模型的一个实例对象，就叫模型实例对象吧
对象的初始化会执行所有解析和验证，如果没有抛出 ValidationError，证明生成的模型实例是有效的

访问模型实例对象的属性

user = User(id='123')
print(user.id, type(user.id))
print(user.name, type(user.name))


# 输出结果
123 <class 'int'>
小菠萝测试笔记 <class 'str'>

id 属性传的是字符串 '123'，它会根据模型字段类型进行转换为 int
name 属性取了默认值

__fields_set__

该变量返回用户初始化对象时提供了什么字段

# __fields_set__
user = User(id='123')

print(user.__fields_set__ == {'id'})
print(user.__fields_set__ == {'name'})



user = User(id='123', name="test")

print(user.__fields_set__ == {'id', 'name'})
print(user.__fields_set__ == {'id'})


# 输出结果
True
False
True
False

dict()

可以提供字段的字典对象

# dict()
user = User(id='123')
print(user.dict())
print(dict(user))


# 输出结果
{'id': 123, 'name': '小菠萝测试笔记'}
{'id': 123, 'name': '小菠萝测试笔记'}

修改模型实例对象的属性

# 修改模型实例属性值
user = User(id='123')
user.id = 321
print(user.id)


# 输出结果
321

BaseModels 属性

其实就是 BaseModels 有什么自带的方法、属性

dict()

返回模型字段和值，字典格式

user = User(id='123', name="test")
print(user.dict(), type(user.dict()))


# 输出结果
{'id': 123, 'name': 'test'} <class 'dict'>

json()

返回模型字段和值，json 字符串格式

user = User(id='123', name="test")
print(user.json(), type(user.json()))

# 输出结果
{"id": 123, "name": "test"} <class 'str'>

schema()

以 JSON Schema 形式返回模型，字典格式

user = User(id='123', name="test")

print(user.schema(), type(user.schema()))


# 输出结果
{
    "title": "User",
    "type": "object",
    "properties": {
        "id": {
            "title": "Id",
            "type": "integer"
        },
        "name": {
            "title": "Name",
            "default": "小菠萝测试笔记",
            "type": "string"
        }
    },
    "required": [
        "id"
    ]
}

<class 'dict'>

schema_json()

以 JSON Schema 形式返回模型，json 字符串格式

user = User(id='123', name="test")

print(user.schema_json(), type(user.schema_json()))


# 输出结果
{
    "title": "User",
    "type": "object",
    "properties": {
        "id": {
            "title": "Id",
            "type": "integer"
        },
        "name": {
            "title": "Name",
            "default": "小菠萝测试笔记",
            "type": "string"
        }
    },
    "required": [
        "id"
    ]
}

<class 'str'>

copy()

浅拷贝模型对象