趋近智
API通常通过URL直接接收信息。FastAPI提供了一种清晰高效的方式来处理两种主要类型的URL参数:路径参数和查询参数。Python类型提示支持自动数据验证和转换,并常与Pydantic模型结合使用,以实现全面的数据结构化和验证。
路径参数是URL路径中嵌入的可变部分。它们对于识别特定资源很有用。比如,在/models/{model_id}/predict中,model_id是一个路径参数,用于指定要使用的机器学习模型。
在FastAPI中,您可以使用与Python f-string相同的花括号语法,直接在路由装饰器的路径字符串中定义路径参数。然后,您在路径操作函数中使用相同的名称并添加类型提示来声明该参数。
from fastapi import FastAPI, Path, HTTPException
app = FastAPI()
# 一个简单的字典,用作模型元数据的数据库
model_db = {
"resnet50": {"framework": "PyTorch", "task": "Image Classification"},
"bert-base-uncased": {"framework": "Transformers", "task": "NLP"},
"linear-reg-v1": {"framework": "Scikit-learn", "task": "Regression"}
}
@app.get("/models/{model_id}")
async def get_model_metadata(model_id: str):
"""
获取特定模型ID的元数据。
路径参数'model_id'会自动验证为字符串。
"""
if model_id not in model_db:
raise HTTPException(status_code=404, detail=f"Model ID '{model_id}' not found.")
return model_db[model_id]
在此示例中:
@app.get("/models/{model_id}")将model_id定义为路径参数。async def get_model_metadata(model_id: str):声明model_id为带类型提示str的参数。FastAPI自动使用类型提示str来验证URL路径段中对应{model_id}的值确实是字符串(尽管路径参数最初总是字符串,但FastAPI使用类型提示是为了文档和未来可能的功能)。如果您使用int(model_id: int),FastAPI会自动尝试将路径段转换为整数,如果转换失败则会抛出验证错误(HTTP 422 Unprocessable Entity)。
对于更复杂的验证,您可以结合类型注解使用FastAPI的Path函数。这使您能够指定如最小/最大长度、数字限制(大于、小于)、正则表达式等约束,并为文档提供元数据。
@app.get("/items/{item_id}")
async def read_item(
item_id: int = Path(
..., # '...' 表示该参数是必需的
title="要获取的项目ID",
ge=1 # 'ge' 表示 '大于或等于' 1
)
):
"""
根据ID获取项目。
'item_id'必须是大于等于1的整数。
"""
# 示例:替换为实际的项目获取逻辑
if item_id > 100: # 模拟ID大于100时未找到的情况
raise HTTPException(status_code=404, detail=f"Item ID {item_id} not found.")
return {"item_id": item_id, "name": f"Sample Item {item_id}"}
在这里,Path(..., ge=1)确保item_id是必需的,并且必须是大于等于1的整数。FastAPI甚至在您的函数代码运行之前就处理了验证。
查询参数是可选的键值对,附加在URL问号(?)之后,并由和号(&)分隔。它们通常用于过滤、排序或分页。例如,在/predictions?model_id=bert-base&limit=10中,model_id和limit是查询参数。
在FastAPI中,您的路径操作函数中声明的任何不属于路径定义的函数参数都会自动被解释为查询参数。
from fastapi import FastAPI
from typing import Optional, List
app = FastAPI()
# 示例数据
fake_items_db = [{"item_name": "Foo"}, {"item_name": "Bar"}, {"item_name": "Baz"}]
@app.get("/items/")
async def read_items(skip: int = 0, limit: int = 10):
"""
使用查询参数获取带可选分页的项目。
'skip'默认为0,'limit'默认为10。
"""
return fake_items_db[skip : skip + limit]
@app.get("/search/")
async def search_items(query: Optional[str] = None):
"""
根据可选的查询字符串搜索项目。
'query'是一个可选的查询参数。
"""
results = fake_items_db
if query:
results = [item for item in fake_items_db if query.lower() in item["item_name"].lower()]
return {"query": query, "results": results}
关于查询参数的要点:
skip: int和limit: int之类的参数不在路径/items/中,因此FastAPI将它们视为查询参数。int、str、bool、float等)的工作方式与路径参数和请求体类似,提供自动数据转换和验证。如果用户发送/items/?skip=abc,FastAPI将返回422错误,因为"abc"无法转换为int。skip: int = 0)会使查询参数变为可选。如果客户端未提供,则使用默认值。Optional[Type]或Union[Type, None](在较新的Python版本中等效)并将默认值设置为None,可以使参数显式可选,而没有除None以外的特定默认值。(query: Optional[str] = None)。true、True、1、on、yes等值转换为True,并将false、False、0、off、no等值转换为False,用于bool类型提示。与Path类似,FastAPI提供了Query函数,用于为查询参数添加更多验证规则和元数据。
from fastapi import FastAPI, Query
from typing import Optional, List
app = FastAPI()
@app.get("/models/search/")
async def search_models(
task: Optional[str] = None,
framework: Optional[str] = Query(
None, # 默认值为None,使其可选
min_length=3,
max_length=50,
regex="^(PyTorch|TensorFlow|Scikit-learn|Transformers)$", # 示例正则表达式
title="ML框架",
description="按ML框架过滤模型(区分大小写)。"
),
tags: List[str] = Query(
[], # 默认是空列表,用于多个值
title="标签",
description="提供标签以过滤模型(例如,?tags=nlp&tags=text-generation)"
)
):
"""
根据任务、框架和标签搜索模型。
演示了高级查询验证和列表参数。
"""
# 在实际应用中,您会根据这些已验证的参数进行筛选
return {
"filters": {
"task": task,
"framework": framework,
"tags": tags
},
"results": ["Model A", "Model B"] # 占位符结果
}
在此示例中:
framework使用Query添加长度限制和允许值的正则表达式。它还包含title和description,这些可以提升自动生成的文档。tags使用List[str]接受同一查询参数的多个值(例如,/models/search/?tags=cv&tags=classification)。如果未提供tags参数,Query([])会将默认值设置为空列表。通过使用类型提示、默认值、Optional、Path和Query,您可以为API通过URL期望的数据定义精确要求,确保输入在到达您的核心逻辑之前是有效的,当这些参数决定如何查询或使用您的ML模型时,这一点尤为重要。FastAPI会自动将这些声明转化为验证和清晰的API文档。
这部分内容有帮助吗?
© 2026 ApX Machine Learning用心打造