Heim Backend-Entwicklung Python-Tutorial Teil: Erstellen einer Todo-API mit FastAPI: Schritt-für-Schritt-Anleitung

Teil: Erstellen einer Todo-API mit FastAPI: Schritt-für-Schritt-Anleitung

Aug 28, 2024 pm 06:32 PM

Part Building a Todo API with FastAPI: Step-by-Step Guide

Erstellen einer Todo-API mit FastAPI: Schritt-für-Schritt-Anleitung

Code finden Sie hier: GitHub – jamesbmour/blog_tutorials:

I. Einleitung

Im vorherigen Beitrag haben wir FastAPI vorgestellt und eine grundlegende Projektstruktur eingerichtet. Jetzt gehen wir noch einen Schritt weiter und erstellen eine funktionale Todo-API. Am Ende dieses Tutorials verfügen Sie über ein funktionierendes Backend, das Aufgabenelemente erstellen, lesen, aktualisieren und löschen kann.

Was wir abdecken werden:

  • Entwerfen des Todo-Datenmodells
  • CRUD-Operationen implementieren
  • API-Endpunkte erstellen
  • Eingabevalidierung und Fehlerbehandlung hinzufügen
  • Testen der API
  • Code umgestalten und organisieren

II. Entwerfen des Todo-Datenmodells

Um Aufgaben zu verwalten, müssen wir ein Datenmodell definieren, das einen Aufgabeneintrag darstellt. FastAPI verwendet Pydantic-Modelle zum Validieren und Analysieren von Daten, daher werden wir dies hier nutzen.

A. Definieren des Todo-Schemas

Wir erstellen zwei Modelle mit Pydantic:

  • TodoCreate: Für Eingabedaten beim Erstellen oder Aktualisieren einer Todo.
  • Todo: Für den vollständigen ToDo-Eintrag, einschließlich Feldern wie „id“ und „created_at“.
from pydantic import BaseModel
from typing import Optional
from datetime import datetime

class TodoCreate(BaseModel):
    title: str
    description: Optional[str] = None
    completed: bool = False

class Todo(BaseModel):
    id: str
    title: str
    description: Optional[str] = None
    completed: bool
    created_at: datetime

Nach dem Login kopieren

B. Erklären der Felder

  • id: Eindeutige Kennung für jede Aufgabe.
  • Titel: Hauptinhalt der Aufgabe.
  • Beschreibung: Zusätzliche Details (optional).
  • abgeschlossen: Boolescher Status der Aufgabe (ob sie erledigt ist oder nicht).
  • created_at: Zeitstempel, der angibt, wann die Aufgabe erstellt wurde.

III. Erstellen von CRUD-Operationen für Todos

CRUD steht für „Create“, „Read“, „Update“ und „Delete“ – die vier grundlegenden Vorgänge zur Datenverwaltung. Für dieses Tutorial implementieren wir diese Vorgänge mithilfe einer In-Memory-Datenbank (einer einfachen Liste).

A. Einrichten einer In-Memory-Datenbank

Wir verwenden eine Liste, um unsere Aufgaben zu speichern. Der Einfachheit halber fügen wir auch ein paar Beispiel-Todos hinzu.

from uuid import uuid4
from datetime import datetime

todos = [
    {
        "id": str(uuid4()),
        "title": "Learn FastAPI",
        "description": "Go through the official FastAPI documentation and tutorials.",
        "completed": False,
        "created_at": datetime.now(),
    },
    {
        "id": str(uuid4()),
        "title": "Build a Todo API",
        "description": "Create a REST API for managing todo items using FastAPI.",
        "completed": False,
        "created_at": datetime.now(),
    },
    {
        "id": str(uuid4()),
        "title": "Write blog post",
        "description": "Draft a blog post about creating a Todo API with FastAPI.",
        "completed": False,
        "created_at": datetime.now(),
    },
]

Nach dem Login kopieren

B. Implementieren von Hilfsfunktionen

Wir implementieren eine einfache Hilfsfunktion, um eine Aufgabe anhand ihrer ID zu finden.

def get_todo_by_id(todo_id: str):
    for todo in todos:
        if todo["id"] == todo_id:
            return todo
    return None

Nach dem Login kopieren

IV. API-Endpunkte implementieren

A. Erstellen eines neuen Todo

Der POST-Endpunkt ermöglicht Benutzern das Erstellen eines neuen Aufgabenelements.

@app.post("/todos/", response_model=Todo)
def create_todo(todo: TodoCreate):
    new_todo = Todo(
        id=str(uuid4()),
        title=todo.title,
        description=todo.description,
        completed=todo.completed,
        created_at=datetime.now()
    )
    todos.append(new_todo.dict())
    return new_todo

Nach dem Login kopieren

B. Alle Todos abrufen

Der GET-Endpunkt ruft alle Aufgaben aus unserer In-Memory-Datenbank ab.

@app.get("/todos/", response_model=List[Todo])
def get_all_todos():
    return todos

Nach dem Login kopieren

C. Abrufen eines einzelnen Todo

Der GET-Endpunkt ermöglicht das Abrufen einer einzelnen Aufgabe anhand ihrer ID.

@app.get("/todos/{todo_id}", response_model=Todo)
def get_todo(todo_id: str):
    todo = get_todo_by_id(todo_id)
    if not todo:
        raise HTTPException(status_code=404, detail="Todo not found")
    return todo

Nach dem Login kopieren

D. Aktualisieren eines Todo

Der PUT-Endpunkt ermöglicht es Benutzern, eine vorhandene Aufgabe zu aktualisieren.

@app.put("/todos/{todo_id}", response_model=Todo)
def update_todo(todo_id: str, todo_data: TodoCreate):
    todo = get_todo_by_id(todo_id)
    if not todo:
        raise HTTPException(status_code=404, detail="Todo not found")
    todo["title"] = todo_data.title
    todo["description"] = todo_data.description
    todo["completed"] = todo_data.completed
    return Todo(**todo)

Nach dem Login kopieren

E. Löschen eines Todo

Der DELETE-Endpunkt ermöglicht Benutzern das Löschen einer Aufgabe anhand ihrer ID.

@app.delete("/todos/{todo_id}")
def delete_todo(todo_id: str):
    todo = get_todo_by_id(todo_id)
    if not todo:
        raise HTTPException(status_code=404, detail="Todo not found")
    todos.remove(todo)
    return {"detail": "Todo deleted successfully"}

Nach dem Login kopieren

V. Eingabevalidierung und Fehlerbehandlung hinzufügen

A. Eingabevalidierung mit Pydantic

FastAPI validiert Eingabedaten automatisch anhand der von uns definierten Pydantic-Modelle. Dadurch wird sichergestellt, dass die Daten unserem erwarteten Schema entsprechen, bevor sie verarbeitet werden.

B. Benutzerdefinierte Fehlerbehandlung

Wir können Fehlerreaktionen anpassen, indem wir einen Ausnahmehandler hinzufügen.

@app.exception_handler(HTTPException)
def http_exception_handler(request, exc: HTTPException):
    return JSONResponse(
        status_code=exc.status_code,
        content={"detail": exc.detail},
    )

Nach dem Login kopieren

VI. Testen der API

FastAPI verfügt über eine interaktive Swagger-UI-Dokumentation, die das Testen Ihrer API-Endpunkte erleichtert. Führen Sie einfach die Anwendung aus und navigieren Sie in Ihrem Browser zu /docs.

Testbeispiel

  • Eine Todo erstellen: Testen Sie den POST-Endpunkt, indem Sie eine neue Todo erstellen.
  • Aufgaben abrufen: Verwenden Sie die GET-Endpunkte, um alle Aufgaben oder eine bestimmte Aufgabe nach ID abzurufen.
  • Aktualisieren und löschen: Testen Sie die PUT- und DELETE-Endpunkte, um eine Aufgabe zu aktualisieren oder zu entfernen.

VII. Code umgestalten und organisieren

Wenn die Anwendung wächst, ist es wichtig, den Code organisiert zu halten. Hier ein paar Tipps:

A. Modelle in eine separate Datei verschieben

Sie können Ihre Pydantic-Modelle in eine models.py-Datei verschieben, um Ihre Hauptanwendungsdatei sauber zu halten.

B. Erstellen eines Routers für Todo-Endpunkte

Erwägen Sie die Erstellung eines separaten Routers für todo-bezogene Endpunkte, insbesondere wenn Ihre API wächst.

VIII. Nächste Schritte

Im nächsten Beitrag integrieren wir eine echte Datenbank (wie SQLite oder PostgreSQL) in unsere FastAPI-Anwendung. Wir werden uns auch mit der Benutzerauthentifizierung und erweiterten Funktionen befassen.

Vorgeschlagene Verbesserungen:

  • Fügen Sie Filterung und Paginierung zu den GET-Endpunkten hinzu.
  • Implementieren Sie die Benutzerauthentifizierung, um persönliche Aufgaben zu verwalten.

IX. Abschluss

In diesem Tutorial haben wir eine einfache Todo-API mit FastAPI erstellt. Wir begannen mit dem Entwurf eines Datenmodells, implementierten CRUD-Operationen und erstellten Endpunkte zur Verwaltung von Aufgaben. Wir haben auch die Eingabevalidierung, Fehlerbehandlung und Tests angesprochen. Auf dieser Grundlage können Sie die API weiter erweitern oder in ein Frontend integrieren, um eine vollwertige Anwendung zu erstellen.

Wenn Sie mein Schreiben unterstützen oder mir ein Bier spendieren möchten:
https://buymeacoffee.com/bmours

Das obige ist der detaillierte Inhalt vonTeil: Erstellen einer Todo-API mit FastAPI: Schritt-für-Schritt-Anleitung. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

Video Face Swap

Video Face Swap

Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

<🎜>: Bubble Gum Simulator Infinity - So erhalten und verwenden Sie Royal Keys
4 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
Nordhold: Fusionssystem, erklärt
4 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
Mandragora: Flüstern des Hexenbaum
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌

Heiße Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen

Java-Tutorial
1671
14
PHP-Tutorial
1276
29
C#-Tutorial
1256
24
Python vs. C: Lernkurven und Benutzerfreundlichkeit Python vs. C: Lernkurven und Benutzerfreundlichkeit Apr 19, 2025 am 12:20 AM

Python ist leichter zu lernen und zu verwenden, während C leistungsfähiger, aber komplexer ist. 1. Python -Syntax ist prägnant und für Anfänger geeignet. Durch die dynamische Tippen und die automatische Speicherverwaltung können Sie die Verwendung einfach zu verwenden, kann jedoch zur Laufzeitfehler führen. 2.C bietet Steuerung und erweiterte Funktionen auf niedrigem Niveau, geeignet für Hochleistungsanwendungen, hat jedoch einen hohen Lernschwellenwert und erfordert manuellem Speicher und Typensicherheitsmanagement.

Python und Zeit: Machen Sie das Beste aus Ihrer Studienzeit Python und Zeit: Machen Sie das Beste aus Ihrer Studienzeit Apr 14, 2025 am 12:02 AM

Um die Effizienz des Lernens von Python in einer begrenzten Zeit zu maximieren, können Sie Pythons DateTime-, Zeit- und Zeitplanmodule verwenden. 1. Das DateTime -Modul wird verwendet, um die Lernzeit aufzuzeichnen und zu planen. 2. Das Zeitmodul hilft, die Studie zu setzen und Zeit zu ruhen. 3. Das Zeitplanmodul arrangiert automatisch wöchentliche Lernaufgaben.

Python vs. C: Erforschung von Leistung und Effizienz erforschen Python vs. C: Erforschung von Leistung und Effizienz erforschen Apr 18, 2025 am 12:20 AM

Python ist in der Entwicklungseffizienz besser als C, aber C ist in der Ausführungsleistung höher. 1. Pythons prägnante Syntax und reiche Bibliotheken verbessern die Entwicklungseffizienz. 2. Die Kompilierungsmerkmale von Compilation und die Hardwarekontrolle verbessern die Ausführungsleistung. Bei einer Auswahl müssen Sie die Entwicklungsgeschwindigkeit und die Ausführungseffizienz basierend auf den Projektanforderungen abwägen.

Python lernen: Ist 2 Stunden tägliches Studium ausreichend? Python lernen: Ist 2 Stunden tägliches Studium ausreichend? Apr 18, 2025 am 12:22 AM

Ist es genug, um Python für zwei Stunden am Tag zu lernen? Es hängt von Ihren Zielen und Lernmethoden ab. 1) Entwickeln Sie einen klaren Lernplan, 2) Wählen Sie geeignete Lernressourcen und -methoden aus, 3) praktizieren und prüfen und konsolidieren Sie praktische Praxis und Überprüfung und konsolidieren Sie und Sie können die Grundkenntnisse und die erweiterten Funktionen von Python während dieser Zeit nach und nach beherrschen.

Python vs. C: Verständnis der wichtigsten Unterschiede Python vs. C: Verständnis der wichtigsten Unterschiede Apr 21, 2025 am 12:18 AM

Python und C haben jeweils ihre eigenen Vorteile, und die Wahl sollte auf Projektanforderungen beruhen. 1) Python ist aufgrund seiner prägnanten Syntax und der dynamischen Typisierung für die schnelle Entwicklung und Datenverarbeitung geeignet. 2) C ist aufgrund seiner statischen Tipp- und manuellen Speicherverwaltung für hohe Leistung und Systemprogrammierung geeignet.

Welches ist Teil der Python Standard Library: Listen oder Arrays? Welches ist Teil der Python Standard Library: Listen oder Arrays? Apr 27, 2025 am 12:03 AM

PythonlistsarePartThestandardlibrary, whilearraysarenot.listarebuilt-in, vielseitig und UNDUSEDFORSPORINGECollections, während dieArrayRay-thearrayModulei und loses und loses und losesaluseduetolimitedFunctionality.

Python: Automatisierung, Skript- und Aufgabenverwaltung Python: Automatisierung, Skript- und Aufgabenverwaltung Apr 16, 2025 am 12:14 AM

Python zeichnet sich in Automatisierung, Skript und Aufgabenverwaltung aus. 1) Automatisierung: Die Sicherungssicherung wird durch Standardbibliotheken wie OS und Shutil realisiert. 2) Skriptschreiben: Verwenden Sie die PSUTIL -Bibliothek, um die Systemressourcen zu überwachen. 3) Aufgabenverwaltung: Verwenden Sie die Zeitplanbibliothek, um Aufgaben zu planen. Die Benutzerfreundlichkeit von Python und die Unterstützung der reichhaltigen Bibliothek machen es zum bevorzugten Werkzeug in diesen Bereichen.

Python für die Webentwicklung: Schlüsselanwendungen Python für die Webentwicklung: Schlüsselanwendungen Apr 18, 2025 am 12:20 AM

Zu den wichtigsten Anwendungen von Python in der Webentwicklung gehören die Verwendung von Django- und Flask -Frameworks, API -Entwicklung, Datenanalyse und Visualisierung, maschinelles Lernen und KI sowie Leistungsoptimierung. 1. Django und Flask Framework: Django eignet sich für die schnelle Entwicklung komplexer Anwendungen, und Flask eignet sich für kleine oder hochmobile Projekte. 2. API -Entwicklung: Verwenden Sie Flask oder Djangorestframework, um RESTFUFFUPI zu erstellen. 3. Datenanalyse und Visualisierung: Verwenden Sie Python, um Daten zu verarbeiten und über die Webschnittstelle anzuzeigen. 4. Maschinelles Lernen und KI: Python wird verwendet, um intelligente Webanwendungen zu erstellen. 5. Leistungsoptimierung: optimiert durch asynchrones Programmieren, Caching und Code

See all articles