FastAPI¶
FastAPI 框架，高性能，易于学习，高效编码，生产可用
文档： https://fastapi.tiangolo.com
源码： https://github.com/fastapi/fastapi
FastAPI 是一个用于构建 API 的现代、快速（高性能）的 web 框架，使用 Python 并基于标准的 Python 类型提示。
关键特性:
-
快速：可与 NodeJS 和 Go 并肩的极高性能（归功于 Starlette 和 Pydantic）。最快的 Python web 框架之一。
-
高效编码：提高功能开发速度约 200％ 至 300％。*
- 更少 bug：减少约 40％ 的人为（开发者）导致错误。*
- 智能：极佳的编辑器支持。处处皆可自动补全，减少调试时间。
- 简单：设计的易于使用和学习，阅读文档的时间更短。
- 简短：使代码重复最小化。通过不同的参数声明实现丰富功能。bug 更少。
- 健壮：生产可用级别的代码。还有自动生成的交互式文档。
- 标准化：基于（并完全兼容）API 的相关开放标准：OpenAPI (以前被称为 Swagger) 和 JSON Schema。
* 根据对某个构建线上应用的内部开发团队所进行的测试估算得出。
Sponsors¶
评价¶
「[...] 最近我一直在使用 FastAPI。[...] 实际上我正在计划将其用于我所在的微软团队的所有机器学习服务。其中一些服务正被集成进核心 Windows 产品和一些 Office 产品。」
「我们选择了 FastAPI 来创建用于获取预测结果的 REST 服务。[用于 Ludwig]」
「Netflix 非常高兴地宣布，正式开源我们的危机管理编排框架：Dispatch！[使用 FastAPI 构建]」
「FastAPI 让我兴奋的欣喜若狂。它太棒了！」
「老实说，你的作品看起来非常可靠和优美。在很多方面，这就是我想让 Hug 成为的样子 - 看到有人实现了它真的很鼓舞人心。」
「如果你正打算学习一个现代框架用来构建 REST API，来看下 FastAPI [...] 它快速、易用且易于学习 [...]」
「我们已经将 API 服务切换到了 FastAPI [...] 我认为你会喜欢它的 [...]」
Typer，命令行中的 FastAPI¶
如果你正在开发一个在终端中运行的命令行应用而不是 web API，不妨试下 Typer。
Typer 是 FastAPI 的小同胞。它想要成为命令行中的 FastAPI。 ⌨️ 🚀
依赖¶
Python 及更高版本
FastAPI 站在以下巨人的肩膀之上：
安装¶
$ pip install fastapi
---> 100%
你还会需要一个 ASGI 服务器，生产环境可以使用 Uvicorn 或者 Hypercorn。
$ pip install "uvicorn[standard]"
---> 100%
示例¶
创建¶
- 创建一个
main.py文件并写入以下内容:
from typing import Union
from fastapi import FastAPI
app = FastAPI()
@app.get("/")
def read_root():
return {"Hello": "World"}
@app.get("/items/{item_id}")
def read_item(item_id: int, q: Union[str, None] = None):
return {"item_id": item_id, "q": q}
或者使用 async def...
如果你的代码里会出现 async / await，请使用 async def：
from typing import Union
from fastapi import FastAPI
app = FastAPI()
@app.get("/")
async def read_root():
return {"Hello": "World"}
@app.get("/items/{item_id}")
async def read_item(item_id: int, q: Union[str, None] = None):
return {"item_id": item_id, "q": q}
Note:
如果你不知道是否会用到，可以查看文档的 "In a hurry?" 章节中 关于 async 和 await 的部分。
运行¶
通过以下命令运行服务器：
$ uvicorn main:app --reload
INFO: Uvicorn running on http://127.0.0.1:8000 (Press CTRL+C to quit)
INFO: Started reloader process [28720]
INFO: Started server process [28722]
INFO: Waiting for application startup.
INFO: Application startup complete.
关于 uvicorn main:app --reload 命令......
uvicorn main:app 命令含义如下:
main：main.py文件（一个 Python "模块"）。app：在main.py文件中通过app = FastAPI()创建的对象。--reload：让服务器在更新代码后重新启动。仅在开发时使用该选项。
检查¶
使用浏览器访问 http://127.0.0.1:8000/items/5?q=somequery。
你将会看到如下 JSON 响应：
{"item_id": 5, "q": "somequery"}
你已经创建了一个具有以下功能的 API：
- 通过 路径
/和/items/{item_id}接受 HTTP 请求。 - 以上 路径 都接受
GET操作（也被称为 HTTP 方法）。 /items/{item_id}路径 有一个 路径参数item_id并且应该为int类型。/items/{item_id}路径 有一个可选的str类型的 查询参数q。
交互式 API 文档¶
现在访问 http://127.0.0.1:8000/docs。
你会看到自动生成的交互式 API 文档（由 Swagger UI生成）：
可选的 API 文档¶
访问 http://127.0.0.1:8000/redoc。
你会看到另一个自动生成的文档（由 ReDoc 生成）：
示例升级¶
现在修改 main.py 文件来从 PUT 请求中接收请求体。
我们借助 Pydantic 来使用标准的 Python 类型声明请求体。
from typing import Union
from fastapi import FastAPI
from pydantic import BaseModel
app = FastAPI()
class Item(BaseModel):
name: str
price: float
is_offer: Union[bool, None] = None
@app.get("/")
def read_root():
return {"Hello": "World"}
@app.get("/items/{item_id}")
def read_item(item_id: int, q: Union[str, None] = None):
return {"item_id": item_id, "q": q}
@app.put("/items/{item_id}")
def update_item(item_id: int, item: Item):
return {"item_name": item.name, "item_id": item_id}
服务器将会自动重载（因为在上面的步骤中你向 uvicorn 命令添加了 --reload 选项）。
交互式 API 文档升级¶
访问 http://127.0.0.1:8000/docs。
- 交互式 API 文档将会自动更新，并加入新的请求体：
- 点击「Try it out」按钮，之后你可以填写参数并直接调用 API：
- 然后点击「Execute」按钮，用户界面将会和 API 进行通信，发送参数，获取结果并在屏幕上展示：
可选文档升级¶
访问 http://127.0.0.1:8000/redoc。
- 可选文档同样会体现新加入的请求参数和请求体：
总结¶
总的来说，你就像声明函数的参数类型一样只声明了一次请求参数、请求体等的类型。
你使用了标准的现代 Python 类型来完成声明。
你不需要去学习新的语法、了解特定库的方法或类，等等。
只需要使用标准的 Python 及更高版本。
举个例子，比如声明 int 类型：
item_id: int
或者一个更复杂的 Item 模型：
item: Item
......在进行一次声明之后，你将获得：
- 编辑器支持，包括：
- 自动补全
- 类型检查
- 数据校验：
- 在校验失败时自动生成清晰的错误信息
- 对多层嵌套的 JSON 对象依然执行校验
- 转换 来自网络请求的输入数据为 Python 数据类型。包括以下数据：
- JSON
- 路径参数
- 查询参数
- Cookies
- 请求头
- 表单
- 文件
- 转换 输出的数据：转换 Python 数据类型为供网络传输的 JSON 数据：
- 转换 Python 基础类型 （
str、int、float、bool、list等） datetime对象UUID对象- 数据库模型
- ......以及更多其他类型
- 转换 Python 基础类型 （
- 自动生成的交互式 API 文档，包括两种可选的用户界面：
- Swagger UI
- ReDoc
回到前面的代码示例，FastAPI 将会：
- 校验
GET和PUT请求的路径中是否含有item_id。 - 校验
GET和PUT请求中的item_id是否为int类型。- 如果不是，客户端将会收到清晰有用的错误信息。
- 检查
GET请求中是否有命名为q的可选查询参数（比如http://127.0.0.1:8000/items/foo?q=somequery）。- 因为
q被声明为= None，所以它是可选的。 - 如果没有
None它将会是必需的 (如PUT例子中的请求体)。
- 因为
- 对于访问
/items/{item_id}的PUT请求，将请求体读取为 JSON 并：- 检查是否有必需属性
name并且值为str类型 。 - 检查是否有必需属性
price并且值为float类型。 - 检查是否有可选属性
is_offer， 如果有的话值应该为bool类型。 - 以上过程对于多层嵌套的 JSON 对象同样也会执行
- 检查是否有必需属性
- 自动对 JSON 进行转换或转换成 JSON。
- 通过 OpenAPI 文档来记录所有内容，可被用于：
- 交互式文档系统
- 许多编程语言的客户端代码自动生成系统
- 直接提供 2 种交互式文档 web 界面。
虽然我们才刚刚开始，但其实你已经了解了这一切是如何工作的。
尝试更改下面这行代码：
return {"item_name": item.name, "item_id": item_id}
......从：
... "item_name": item.name ...
......改为：
... "item_price": item.price ...
......注意观察编辑器是如何自动补全属性并且还知道它们的类型：
教程 - 用户指南 中有包含更多特性的更完整示例。
剧透警告： 教程 - 用户指南中的内容有：
- 对来自不同地方的参数进行声明，如：请求头、cookies、form 表单以及上传的文件。
- 如何设置校验约束如
maximum_length或者regex。 - 一个强大并易于使用的 依赖注入 系统。
- 安全性和身份验证，包括通过 JWT 令牌和 HTTP 基本身份认证来支持 OAuth2。
- 更进阶（但同样简单）的技巧来声明 多层嵌套 JSON 模型 （借助 Pydantic）。
- 许多额外功能（归功于 Starlette）比如：
- WebSockets
- GraphQL
- 基于 HTTPX 和
pytest的极其简单的测试 - CORS
- Cookie Sessions
- ......以及更多
性能¶
独立机构 TechEmpower 所作的基准测试结果显示，基于 Uvicorn 运行的 FastAPI 程序是 最快的 Python web 框架之一，仅次于 Starlette 和 Uvicorn 本身（FastAPI 内部使用了它们）。(*)
想了解更多，请查阅 基准测试 章节。
可选依赖¶
用于 Pydantic：
email-validator- 用于 email 校验。
用于 Starlette：
httpx- 使用TestClient时安装。jinja2- 使用默认模板配置时安装。python-multipart- 需要通过request.form()对表单进行「解析」时安装。itsdangerous- 需要SessionMiddleware支持时安装。pyyaml- 使用 Starlette 提供的SchemaGenerator时安装（有 FastAPI 你可能并不需要它）。graphene- 需要GraphQLApp支持时安装。
用于 FastAPI / Starlette：
你可以通过 pip install "fastapi[all]" 命令来安装以上所有依赖。
许可协议¶
该项目遵循 MIT 许可协议。