摘要：
系列文章：FastAPI学习路径（I）FastAPI——高性能web开发框架FastAPI学习道路（II）FastAPI学习路线（III）FastAPI学路线（IV）FastAPI学会路线（V）FastAPI学到路线（VI）查询参数，验证字符串FastAPI学习路径（7）验证字符串FastAPI学习路径（8）验证路径参数和值FastAPI学习道路（9）如何处理请求主体中的多个参数？
系列文章：
FastAPI 学习之路（一）fastapi--高性能web开发框架
FastAPI 学习之路（十二）接口几个额外信息和额外数据类型
FastAPI 学习之路（十三）Cookie 参数,Header参数
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 typing import List, Optional from fastapi import FastAPI 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": "苹果", "price": 50.2} } @app.put("/items/", response_model=Item) def update_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]
我们去获取下
我们去更新下数据
我们去更新一个不存在的数据
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 typing import List, Optional from fastapi import FastAPI 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": "苹果", "price": 50.2} } @app.put("/items/", response_model=Item) def update_item(name: str, item: Item): stored_item_data = items[name] stored_item_model = Item(**stored_item_data) update_data = item.dict(exclude_unset=True) updated_item = stored_item_model.copy(update=update_data) items[name] = jsonable_encoder(updated_item) return updated_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。
文章首发在公众号，欢迎关注。
