（入门篇）简析Python web框架FastAPI——一个比Flask和Tornada更高性能的API 框架
点击上方“Python爬虫与数据挖掘”，进行关注
回复“书籍”即可获赠Python从入门到进阶共10本电子书
今
日
鸡
汤
无可奈何花落去,似曾相识燕归来。
用官方的话来说，FastAPI 是一种现代，快速（高性能）的 Web 框架，基于标准Python 类型提示使用 Python 3.6+ 构建 API
FastAPI 站在巨人的肩膀上？
很大程度上来说，这个巨人就是指 Flask 框架。
FastAPI 从语法上和 Flask 非常的相似，有异曲同工之妙。
技术背景：Py3.6+，Starlette，Pydantic
其实不仅仅是 FastAPI ，就连 Sanic 也是基于 Flask 快速开发的 Web API 框架。
废话少说，代码总是能给人带来愉悦感 (抱头)，直接开怼。
安装
pip install fastapi
pip install uvicorn
创建一个 main.py 文件
from fastapi import FastAPI
app = FastAPI() # 创建 api 对象
@app.get("/") # 根路由
def root():
return {"武汉": "加油！！！"}
@app.get("/say/{data}")
def say(data: str,q: int):
return {"data": data, "item": q}
上面搭建了一个最简单的 FastAPI 应用，看起来和 Flask 完全一样，莫名的喜感。
使用以下命令来启动服务器：
uvicorn main:app --reload
FastAPI 推荐使用 uvicorn 来运行服务，Uvicorn 是基于uvloop 和 httptools 构建的闪电般快速的 ASGI 服务器。
uvicorn main:app 指的是：
main：文件main.py
app: 创建的启用对象
--reload: 热启动，方便代码的开发
启动界面如下：
INFO 信息告诉我们已经监听了本地的 8000 端口，访问 http://127.0.0.1:8000 得到结果
传入参数
再来看看 FastAPI 的异步代码
from fastapi import FastAPI
app = FastAPI() # 创建 api 对象
@app.get("/") # 根路由
async def root():
return {"武汉": "加油！！！"}
@app.get("/say/{data}")
async def say(data: str,q: int = None):
return {"data": data, "q": q}
开启服务后访问结果是一样的。
在上面的路由方法中，我们传入了一个 q 参数并且初始为 None，如果不给默认值，并且不传参，代码将直接报错。
来看看 FastAPI 是如何处理错误的：
可以看到，即使是报错，也是优美的输入一个带有错误字段的 JSON，这就非常的友好了，这也是体现了 FastAPI 减少更多的人为错误的特性，返回也更加的简洁直观。
在命令行输出：
再来看看 FastAPI 的交互文档
根据官方文档，打开 http://127.0.0.1:8000/docs
看到：
支持动态传入数据：
结果：
从交互体验上也是无比的友好，让代码在生产中更加健壮。
现在我们算是快速的体验了一波 FastAPI 骚操作，从代码上和 Flask 及其的类似，体验性更好。
那么再来看看最新的 Python web框架的性能响应排行版
从并发性上来说是完全碾压了 Flask (实际上也领先了同为异步框架的tornado 不少)，看来 FastAPI 也真不是盖的，名副其实的高性能 API 框架呀！
查询参数
先来看看官方小 demo
from fastapi import FastAPI
app = FastAPI()
fake_items_db = [{"item_name": "Foo"}, {"item_name": "Bar"}, {"item_name": "Baz"}]
@app.get("/items/")
async def read_item(skip: int = 0, limit: int = 10):
return fake_items_db[skip : skip + limit]
该查询是 ? URL中位于关键字之后的一组键值对，以&字符分隔。
在 url 中进行查询
http://127.0.0.1:8000/items/?skip=0&limit=10
skip：查询的起始参数
limit：查询的结束参数
成功返回查询列表。
查询参数类型转换
FastAPI 非常聪明，足以辨别 路径参数 和 查询参数。
来看看具体的例子：
from fastapi import FastAPI
app = FastAPI()
@app.get("/items/{item_id}")
async def read_item(item_id: str, q: str = None, short: bool = False):
item = {"item_id": item_id}
if q:
item.update({"q": q})
if not short:
item.update(
{"description": "This is an amazing item that has a long description"}
)
return item
看看其访问路径，执行以下的任何一种 url 访问方式
http://127.0.0.1:8000/items/武汉加油?short=1
http://127.0.0.1:8000/items/武汉加油?short=True
http://127.0.0.1:8000/items/武汉加油?short=true
http://127.0.0.1:8000/items/武汉加油?short=on
http://127.0.0.1:8000/items/武汉加油?short=yes
可以发现任何大小写的字母等都会被转换成 bool 值的参数 True，这就是所谓模糊验证参数，对于开发者来说这是个好消息。
要知道的是，如果 short 参数没有默认值，则必须传参，否则 FastAPI 将会返回类似以下的错误信息。
{
"detail": [
{
"loc": [
"query",
"needy"
],
"msg": "field required",
"type": "value_error.missing"
}
]
}
创建数据模型
前面说到 FastAPI 依赖 Pydantic 模块，所以首先，你需要导入 Pydantic 的 BaseModel 类。
from fastapi import FastAPI
from pydantic import BaseModel
# 请求主体类
class Item(BaseModel):
name: str = "武汉加油 ！！"
description: str = None
price: float = 233
tax: float = None
app = FastAPI()
@app.post("/items/")
async def create_item(item: Item):
return item
发送 post 请求来提交一个 Item(请求主体) 并返回，来看看提交过程。
成功提交并返回 200 状态码
请求主体+路径+查询参数，在请求主体的基础上加入 url 动态路径参数 和 查询参数
from fastapi import FastAPI
from pydantic import BaseModel
class Item(BaseModel):
name: str
description: str = None
price: float
tax: float = None
app = FastAPI()
@app.put("/items/{item_id}")
async def create_item(item_id: int, item: Item, q: str = None):
result = {"item_id": item_id, **item.dict()}
if q:
result.update({"q": q})
return result
put 方法用于更新，传入参数后成功返回一个字典。
关于模板引擎
FastAPI 不像 Flask 那样自带 模板引擎(Jinja2)，也就是说没有默认的模板引擎，从另一个角度上说，FastAPI 在模板引擎的选择上变得更加灵活，极度舒适。
以 Jinja2 模板为例
安装依赖
pip install jinja2
pip install aiofiles # 用于 fastapi 的异步静态文件
具体的用法
# -*- coding:utf-8 -*-
from fastapi import FastAPI, Request
from fastapi.staticfiles import StaticFiles
from fastapi.templating import Jinja2Templates
import uvicorn
app = FastAPI()
app.mount("/static", StaticFiles(directory="static"), name="static") # 挂载静态文件，指定目录
templates = Jinja2Templates(directory="templates") # 模板目录
@app.get("/data/{data}")
async def read_data(request: Request, data: str):
return templates.TemplateResponse("index.html", {"request": request, "data": data})
if __name__ == '__main__':
uvicorn.run(app, host="127.0.0.1", port=8000)
html 文件渲染
武汉加油
高呼: {{ data }}
在浏览器键入 http://127.0.0.1:8000/data/武汉加油
值得注意的是，在返回的 TemplateRespone 响应时，必须带上 request 的上下文对象，传入参数放在同一字典。
这样一来，又可以像 Flask 一样的使用熟悉的 Jinja2 了，哈哈。
做个小总结的话就是 FastAPI 在用法上也是及其简单，速度更快，性能更好，容错率更高，整体上更牛逼。但是我在设想如此之快的框架，毕竟发布的时间不长，缺少像 Flask 框架的第三方库和各种插件，所以要想真正意义上替代还是需要一定的时间，要冷静，冷静。
好啊，至此 FastAPI 的一些基本用法就差不多结束啦，FastAPI 的官方文档有详细的介绍和实例，入门篇到此结束。
官方文档：https://fastapi.tiangolo.com/
------------------- End -------------------
往期精彩文章推荐：
一篇文章教会你用Python抓取抖音app热点数据
手把手教你进行pip换源，让你的Python库下载嗖嗖的
手把手教你用免费代理ip爬数据
欢迎大家点赞，留言，转发，转载，感谢大家的相伴与支持
想加入Python学习群请在后台回复【入群】
万水千山总是情，点个【在看】行不行
/今日留言主题/
说一两个你知道的Python框架吧~