Python构建REST API，FastAPI快速上手指南

FastAPI是构建高性能REST API的首选Python框架，1.它基于类型提示和依赖注入实现代码清晰与自动文档生成；2.通过Pydantic模型验证请求体数据；3.利用依赖注入系统复用公共逻辑；4.支持API Key、OAuth2等身份验证机制；5.可集成SQLAlchemy等ORM进行数据库操作；6.使用TestClient配合pytest完成单元测试；7.可通过Docker容器化并部署到云平台。该框架兼具高性能与开发效率，适用于现代API开发全流程，从定义路由到部署均提供完整解决方案。

构建REST API，Python提供了多种选择，但FastAPI无疑是近年来最受欢迎的框架之一。它以其高性能、易用性和自动化的文档生成能力脱颖而出。

解决方案

FastAPI的核心在于类型提示和依赖注入，这使得代码更加清晰、易于维护，并且能够自动生成OpenAPI和Swagger文档。以下是一个快速入门的示例：

1. 安装FastAPI和Uvicorn：

   pip install fastapi uvicorn

   Uvicorn是一个ASGI服务器，用于运行FastAPI应用。

2. 创建main.py文件：

   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: str = None):
       return {"item_id": item_id, "q": q}

   • FastAPI() 创建一个FastAPI应用实例。
   • @app.get("/") 定义一个GET请求的路由，路径为根目录/。
   • async def read_root() 定义一个异步函数，处理根目录的请求，返回一个JSON响应。
   • @app.get("/items/{item_id}") 定义一个GET请求的路由，路径为/items/{item_id}，其中{item_id}是一个路径参数。
   • item_id: int 使用类型提示，将item_id声明为整数类型。FastAPI会自动进行数据验证。
   • q: str = None 定义一个查询参数q，类型为字符串，默认值为None。

3. 运行应用：

   uvicorn main:app --reload

   • main:app 指定main.py文件中的app对象作为FastAPI应用。
   • --reload 启用自动重载，当代码发生更改时，服务器会自动重启。

4. 访问API：

   • 在浏览器中访问http://127.0.0.1:8000/，你将看到{"Hello": "World"}。
   • 访问http://127.0.0.1:8000/items/123?q=test，你将看到{"item_id": 123, "q": "test"}。

5. 查看自动生成的文档：

   • 访问http://127.0.0.1:8000/docs，你将看到Swagger UI，它会根据你的代码自动生成API文档。
   • 访问http://127.0.0.1:8000/redoc，你将看到ReDoc文档。

如何处理请求体？

FastAPI使用Pydantic模型来定义请求体。Pydantic是一个数据验证和设置管理库，它可以将Python类型转换为JSON模式，并自动验证请求数据。

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()

class Item(BaseModel):
    name: str
    description: str = None
    price: float
    tax: float = None

@app.post("/items/")
async def create_item(item: Item):
    item_dict = item.dict()
    if item.tax:
        price_with_tax = item.price + item.tax
        item_dict.update({"price_with_tax": price_with_tax})
    return item_dict

• class Item(BaseModel): 定义一个Pydantic模型，用于描述请求体的数据结构。
• name: str, description: str = None, price: float, tax: float = None 定义模型的字段，并使用类型提示。
• @app.post("/items/") 定义一个POST请求的路由，路径为/items/。
• async def create_item(item: Item): 接收一个Item类型的参数，FastAPI会自动将请求体的数据转换为Item对象。
• item.dict() 将Item对象转换为字典。

FastAPI的依赖注入如何工作？

FastAPI的依赖注入系统允许你将依赖项声明为函数参数。FastAPI会自动解析这些依赖项，并将它们传递给你的函数。这使得代码更加模块化、可测试和可重用。

from fastapi import FastAPI, Depends

app = FastAPI()

async def common_parameters(q: str = None, skip: int = 0, limit: int = 100):
    return {"q": q, "skip": skip, "limit": limit}

@app.get("/items/")
async def read_items(commons: dict = Depends(common_parameters)):
    return commons

@app.get("/users/")
async def read_users(commons: dict = Depends(common_parameters)):
    return commons

• async def common_parameters(q: str = None, skip: int = 0, limit: int = 100): 定义一个依赖项函数，它接收查询参数q、skip和limit。
• commons: dict = Depends(common_parameters) 声明commons参数的依赖项为common_parameters函数。FastAPI会自动调用common_parameters函数，并将返回值传递给read_items函数。
• read_items和read_users函数都使用了相同的依赖项common_parameters，这避免了代码重复。

如何进行身份验证？

身份验证是REST API开发中的一个重要方面。FastAPI提供了多种身份验证方案，例如基于OAuth2的身份验证、基于JWT的身份验证等。

一个简单的API Key示例：

from fastapi import FastAPI, Depends, HTTPException, status
from fastapi.security import APIKeyHeader

app = FastAPI()

API_KEY = "your_secret_api_key"
API_KEY_NAME = "X-API-Key"

api_key_header = APIKeyHeader(name=API_KEY_NAME, auto_error=False)

async def get_api_key(api_key_header: str = Depends(api_key_header)):
    if api_key_header == API_KEY:
        return api_key_header
    else:
        raise HTTPException(
            status_code=status.HTTP_401_UNAUTHORIZED,
            detail="Invalid API Key",
        )

@app.get("/items/", dependencies=[Depends(get_api_key)])
async def read_items():
    return [{"item": "Foo"}, {"item": "Bar"}]

• APIKeyHeader 定义了一个API Key头。
• get_api_key 函数验证API Key是否正确。
• dependencies=[Depends(get_api_key)] 将get_api_key函数作为read_items函数的依赖项。只有当API Key验证成功时，才能访问read_items函数。

如何处理数据库操作？

FastAPI可以与各种数据库集成，例如PostgreSQL、MySQL、MongoDB等。通常，可以使用ORM（对象关系映射）库来简化数据库操作，例如SQLAlchemy、Tortoise ORM等。

例如，使用SQLAlchemy：

from fastapi import FastAPI, Depends
from sqlalchemy import create_engine, Column, Integer, String
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import sessionmaker, Session

SQLALCHEMY_DATABASE_URL = "sqlite:///./test.db"  # 使用SQLite，方便演示

engine = create_engine(
    SQLALCHEMY_DATABASE_URL, connect_args={"check_same_thread": False}  # 生产环境不推荐
)
SessionLocal = sessionmaker(autocommit=False, autoflush=False, bind=engine)

Base = declarative_base()

class Item(Base):
    __tablename__ = "items"

    id = Column(Integer, primary_key=True, index=True)
    name = Column(String, index=True)
    description = Column(String, nullable=True)
    price = Column(Integer)

Base.metadata.create_all(bind=engine)

app = FastAPI()

def get_db():
    db = SessionLocal()
    try:
        yield db
    finally:
        db.close()

@app.post("/items/")
async def create_item(name: str, description: str, price: int, db: Session = Depends(get_db)):
    db_item = Item(name=name, description=description, price=price)
    db.add(db_item)
    db.commit()
    db.refresh(db_item)
    return db_item

• 定义数据库连接和模型。
• 使用依赖注入获取数据库会话。
• 进行数据库操作。

如何进行单元测试？

FastAPI的测试非常简单，可以使用pytest和httpx库进行单元测试。

from fastapi.testclient import TestClient
from .main import app  # 假设你的FastAPI应用在main.py文件中

client = TestClient(app)

def test_read_main():
    response = client.get("/")
    assert response.status_code == 200
    assert response.json() == {"Hello": "World"}

def test_create_item():
    response = client.post(
        "/items/",
        json={"name": "Test Item", "description": "A test item", "price": 10}
    )
    assert response.status_code == 200
    assert response.json()["name"] == "Test Item"

• TestClient 是一个用于测试FastAPI应用的客户端。
• 使用client.get()和client.post()发送HTTP请求。
• 使用assert语句验证响应状态码和内容。

如何部署FastAPI应用？

FastAPI应用可以部署到各种云平台和服务器上，例如Heroku、AWS、Google Cloud Platform等。通常，可以使用Docker容器化应用，然后部署到容器编排平台，例如Kubernetes。

一个简单的Dockerfile：

FROM python:3.9

WORKDIR /app

COPY requirements.txt ./
RUN pip install --no-cache-dir -r requirements.txt

COPY . .

CMD ["uvicorn", "main:app", "--host", "0.0.0.0", "--port", "8000"]

• 指定基础镜像。
• 设置工作目录。
• 复制依赖项文件并安装。
• 复制应用代码。
• 运行Uvicorn服务器。