我们都知道,去创建请求体,更新数据我们用PUT请求,我们去试着更新下数据。
我们有一组数据,我们要更新描述。
from fastapi import FastAPI
from typing import List, Optional
from fastapi.encoders import jsonable_encoder
from pydantic import BaseModel
app = FastAPI()
class Item(BaseModel):
name: Optional[str] = None
description: Optional[str] = None
price: Optional[float] = None
tax: float = 10.5
tags: List[str] = []
items = {
"one": {
"name": "apple", "price": 50.3
}
}
@app.put("/items", response_model=Item)
def upadte_item(name: str, item: Item):
update_item_encoded = jsonable_encoder(item)
items[name] = update_item_encoded
return update_item_encoded
@app.get("/items/{item_id}", response_model=Item)
def read_item(item_id: str):
return items[item_id]
获取下数据试试
更新下数据
更新部分数据时,可以在 Pydantic 模型的 .dict() 中使用 exclude_unset 参数。
比如,item.dict(exclude_unset=True)。我们去看我们实际的例子
from fastapi import FastAPI
from typing import List, Optional
from fastapi.encoders import jsonable_encoder
from pydantic import BaseModel
app = FastAPI()
class Item(BaseModel):
name: Optional[str] = None
description: Optional[str] = None
price: Optional[float] = None
tax: float = 10.5
tags: List[str] = []
items = {
"one": {
"name": "apple", "price": 50.3
}
}
@app.put("/items", response_model=Item)
def upadte_item(name: str, item: Item):
stored_item_data = items[name]
stored_item_model = Item(**stored_item_data)
upadte_data = item.dict(exclude_unset=True)
update_item = stored_item_model.copy(update=upadte_data)
items[name] = jsonable_encoder(update_item)
print(items)
return update_item
@app.get("/items/{item_id}", response_model=Item)
def read_item(item_id: str):
return items[item_id]
我们去看下去后的效果
更新部分数据小结
简而言之,更新部分数据做法:
- 使用 PUT 也可以使用PATCH;
- 提取存储的数据;
- 把数据放入 Pydantic 模型;
- 生成不含输入模型默认值的 dict (使用 exclude_unset 参数);
-
- 只更新用户设置过的值,不用模型中的默认值覆盖已存储过的值。
- 为已存储的模型创建副本,用接收的数据更新其属性 (使用 update 参数)。
- 把模型副本转换为可存入数据库的形式(比如,使用 jsonable_encoder)。
-
- 这种方式与 Pydantic 模型的 .dict() 方法类似,但能确保把值转换为适配 JSON 的数据类型,例如, 把 datetime 转换为 str 。
- 把数据保存至数据库;
- 返回更新后的模型。