脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → Python fastapi增删改查

Python使用fastapi快速编写一个增删改查的接口

 更新时间：2024年04月03日 10:41:58   作者：搬砖的诗人Z  
这篇文章主要为大家详细介绍了Python如何使用fastapi快速编写一个增删改查的接口,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下

python用fastapi快速写一个增删改查的接口

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
from typing import Dict

app = FastAPI()

# Mock database
db = {}


# Model for the data
class Item(BaseModel):
    name: str
    description: str


# Create operation
@app.post("/items/")
def create_item(item: Item):
    if item.name in db:
        raise HTTPException(status_code=400, detail="Item already exists")
    db[item.name] = item.description
    return {"message": "Item created successfully"}


# Read operation
@app.get("/items/{name}")
def read_item(name: str):
    if name not in db:
        raise HTTPException(status_code=404, detail="Item not found")
    return {"name": name, "description": db[name]}


# Update operation
@app.put("/items/{name}")
def update_item(name: str, item: Item):
    if name not in db:
        raise HTTPException(status_code=404, detail="Item not found")
    db[name] = item.description
    return {"message": "Item updated successfully"}


# Delete operation
@app.delete("/items/{name}")
def delete_item(name: str):
    if name not in db:
        raise HTTPException(status_code=404, detail="Item not found")
    del db[name]
    return {"message": "Item deleted successfully"}

这段代码设置了一个FastAPI应用程序，其中包含用于创建、读取、更新和删除物品的端点。数据以简单的内存数据库形式存储在字典（db）中。您可以使用诸如curl、Postman或任何其他HTTP客户端之类的工具来测试这些端点。

方法补充

除了上文的方法，小编还为大家整理了其他FastAPI实现高效的增删改查操作的方法，希望对大家有所帮助

环境搭建

在开始之前，请确保你的环境中安装了Python 3.6+和pip。使用以下命令安装FastAPI和Uvicorn，Uvicorn是一个轻量级的ASGI服务器。

pip install fastapi uvicorn

快速启动

创建一个main.py文件，并写入以下代码来启动一个简单的FastAPI应用：

from fastapi import FastAPI

app = FastAPI()

@app.get("/")
async def read_root():
    return {"Hello": "World"}

运行服务器：

uvicorn main:app --reload

打开浏览器访问http://127.0.0.1:8000/，你将看到返回的JSON响应。

定义数据模型

在实现CRUD操作之前，需要定义数据模型。在models.py文件中，定义一个Pydantic模型，用于请求和响应数据的验证。

from pydantic import BaseModel

# 创建一个Item模型
class Item(BaseModel):
    id: int
    name: str
    description: str = None
    price: float
    tax: float = None

创建CRUD操作

在crud.py文件中，实现CRUD操作的函数。这里简单地使用一个字典来存储数据，实际应用中应该使用数据库。

from models import Item

items = {}

def create_item(item_id: int, item: Item):
    items[item_id] = item
    return items[item_id]

def read_item(item_id: int):
    return items.get(item_id)

def update_item(item_id: int, item: Item):
    if item_id in items:
        items[item_id] = item
        return items[item_id]
    return None

def delete_item(item_id: int):
    if item_id in items:
        del items[item_id]
        return True
    return False

实现API端点

在main.py中，将使用CRUD操作函数来实现API端点。

from fastapi import FastAPI, HTTPException
from models import Item
from crud import create_item, read_item, update_item, delete_item

app = FastAPI()

# 创建Item
@app.post("/items/{item_id}")
async def create(item_id: int, item: Item):
    return create_item(item_id, item)

# 读取Item
@app.get("/items/{item_id}")
async def read(item_id: int):
    item = read_item(item_id)
    if item is None:
        raise HTTPException(status_code=404, detail="Item not found")
    return item

# 更新Item
@app.put("/items/{item_id}")
async def update(item_id: int, item: Item):
    updated_item = update_item(item_id, item)
    if updated_item is None:
        raise HTTPException(status_code=404, detail="Item not found")
    return updated_item

# 删除Item
@app.delete("/items/{item_id}")
async def delete(item_id: int):
    if not delete_item(item_id):
        raise HTTPException(status_code=404, detail="Item not found")
    return {"detail": "Item deleted"}

测试API

我们可以使用FastAPI提供的API文档来测试我们的接口。重新运行服务器：

uvicorn main:app --reload

转到http://127.0.0.1:8000/docs，你将看到Swagger UI，一个自动生成的交互式API文档，你可以在这里测试你的API端点。

进阶：使用数据库

为了让CRUD操作更加实际，我们将使用SQLite数据库来存储数据。首先，我们需要安装databases和sqlalchemy。

pip install databases sqlalchemy

接下来，在database.py文件中设置数据库连接和表：

import databases
import sqlalchemy
from sqlalchemy import create_engine, MetaData, Table, Column, Integer, String, Float

DATABASE_URL = "sqlite:///./test.db"

database = databases.Database(DATABASE_URL)
metadata = MetaData()

items = Table(
    "items",
    metadata,
    Column("id", Integer, primary_key=True),
    Column("name", String(50)),
    Column("description", String(50)),
    Column("price", Float),
    Column("tax", Float, default=None)
)

engine = create_engine(DATABASE_URL)
metadata.create_all(engine)

在crud.py中，我们将函数更新为使用数据库：

from models import Item
from database import database, items

async def create_item(item_id: int, item: Item):
    query = items.insert().values(id=item_id, **item.dict())
    last_record_id = await database.execute(query)
    return {**item.dict(), "id": last_record_id}

async def read_item(item_id: int):
    query = items.select().where(items.c.id == item_id)
    return await database.fetch_one(query)

async def update_item(item_id: int, item: Item):
    query = items.update().where(items.c.id == item_id).values(**item.dict())
    await database.execute(query)
    return await read_item(item_id)

async def delete_item(item_id: int):
    query = items.delete().where(items.c.id == item_id)
    return await database.execute(query) > 0

最后，需要在main.py中启动和关闭数据库连接：

from fastapi import FastAPI, HTTPException
from models import Item
from crud import create_item, read_item, update_item, delete_item
from database import database

app = FastAPI()

@app.on_event("startup")
async def startup():
    await database.connect()

@app.on_event("shutdown")
async def shutdown():
    await database.disconnect()

# 其余的API端点保持不变

到此这篇关于Python使用fastapi快速编写一个增删改查的接口的文章就介绍到这了,更多相关Python fastapi增删改查内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

相关文章

  • python中的print()输出

    python中的print()输出

    print() 方法用于打印输出，最常见的一个函数。这篇文章主要介绍了python的print()输出 ,需要的朋友可以参考下
    2019-04-04
  • Python实现画箱线图展示数据分布情况

    Python实现画箱线图展示数据分布情况

    这篇文章主要介绍了Python实现画箱线图展示数据分布情况,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
    2024-07-07
  • 让python的Cookie.py模块支持冒号做key的方法

    让python的Cookie.py模块支持冒号做key的方法

    虽然Cookie的标准是不允许:冒号出现在key里面的，但是我们的开发人员是很可爱的，常常会让我们意想不到。
    2010-12-12
  • Python 统计Jira的bug 并发送邮件功能

    Python 统计Jira的bug 并发送邮件功能

    这篇文章主要介绍了Python 统计Jira的bug 并发送邮件,本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
    2022-01-01
  • PyTorch中常见损失函数的使用详解

    PyTorch中常见损失函数的使用详解

    损失函数，又叫目标函数，是指计算机标签值和预测值直接差异的函数，本文为大家整理了PyTorch中常见损失函数的简单解释和使用，希望对大家有所帮助
    2023-06-06
  • Django之编辑时根据条件跳转回原页面的方法

    Django之编辑时根据条件跳转回原页面的方法

    今天小编就为大家分享一篇Django之编辑时根据条件跳转回原页面的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2019-08-08
  • Python中append浅拷贝机制详解

    Python中append浅拷贝机制详解

    在 Python 中，对象赋值实际上是对象的引用。当创建一个对象，然后把它赋给另一个变量的时候，Python 并没有拷贝这个对象，而只是拷贝了这个对象的引用，我们称之为浅拷贝，这篇文章主要介绍了Python中append浅拷贝机制,需要的朋友可以参考下
    2023-02-02
  • Python求出0~100以内的所有素数

    Python求出0~100以内的所有素数

    质数又称素数。一个大于1的自然数，除了1和它自身外，不能被其他自然数整除的数叫做质数；否则称为合数。下面小编给大家带来了Python求出0~100以内的所有素数实例代码，需要的朋友参考下
    2018-01-01
  • Python 时间操作datetime详情（下）

    Python 时间操作datetime详情（下）

    我们在上一文datetime模块对datetime模块中包含了六个类对象如date、time、datetime等对时间和日期进行操作。这一篇文章我们继续上一篇文章的内容学习datetime模块中六大类的相关方法和属性
    2021-11-11
  • 详解Python如何利用Pandas与NumPy进行数据清洗

    详解Python如何利用Pandas与NumPy进行数据清洗

    许多数据科学家认为获取和清理数据的初始步骤占工作的 80%，花费大量时间来清理数据集并将它们归结为可以使用的形式。本文将利用 Python 的 Pandas和 NumPy 库来清理数据，需要的可以参考一下
    2022-04-04

最新评论