更多模型¶
书接上文，多个关联模型这种情况很常见。
特别是用户模型，因为：
- 输入模型应该含密码
- 输出模型不应含密码
- 数据库模型可能需要包含哈希后的密码
多个模型¶
下面的代码展示了不同模型处理密码字段的方式，及使用位置的大致思路：
fromfastapiimportFastAPIfrompydanticimportBaseModel,EmailStrapp=FastAPI()classUserIn(BaseModel):username:strpassword:stremail:EmailStrfull_name:str|None=NoneclassUserOut(BaseModel):username:stremail:EmailStrfull_name:str|None=NoneclassUserInDB(BaseModel):username:strhashed_password:stremail:EmailStrfull_name:str|None=Nonedeffake_password_hasher(raw_password:str):return"supersecret"+raw_passworddeffake_save_user(user_in:UserIn):hashed_password=fake_password_hasher(user_in.password)user_in_db=UserInDB(**user_in.model_dump(),hashed_password=hashed_password)print("User saved! ..not really")returnuser_in_db@app.post("/user/",response_model=UserOut)asyncdefcreate_user(user_in:UserIn):user_saved=fake_save_user(user_in)returnuser_saved关于**user_in.model_dump()¶
Pydantic 的.model_dump()¶
user_in 是类UserIn 的 Pydantic 模型。
Pydantic 模型有.model_dump() 方法，会返回包含模型数据的dict。
因此，如果使用如下方式创建 Pydantic 对象user_in：
user_in=UserIn(username="john",password="secret",email="john.doe@example.com")就能以如下方式调用：
user_dict=user_in.model_dump()现在，变量user_dict 中的是包含数据的dict（它是dict，不是 Pydantic 模型对象）。
以如下方式调用：
print(user_dict)输出的就是 Pythondict：
{'username':'john','password':'secret','email':'john.doe@example.com','full_name':None,}解包dict¶
把dict（如user_dict）以**user_dict 形式传递给函数（或类），Python 会执行“解包”。它会把user_dict 的键和值作为关键字参数直接传递。
因此，接着上面的user_dict 继续编写如下代码：
UserInDB(**user_dict)就会生成如下结果：
UserInDB(username="john",password="secret",email="john.doe@example.com",full_name=None,)或更精准，直接使用user_dict（无论它将来包含什么字段）：
UserInDB(username=user_dict["username"],password=user_dict["password"],email=user_dict["email"],full_name=user_dict["full_name"],)用另一个模型的内容生成 Pydantic 模型¶
上例中 ，从user_in.model_dump() 中得到了user_dict，下面的代码：
user_dict=user_in.model_dump()UserInDB(**user_dict)等效于：
UserInDB(**user_in.model_dump())……因为user_in.model_dump() 是dict，在传递给UserInDB 时，把** 加在user_in.model_dump() 前，可以让 Python 进行解包。
这样，就可以用其它 Pydantic 模型中的数据生成 Pydantic 模型。
解包dict 并添加额外关键字参数¶
接下来，继续添加关键字参数hashed_password=hashed_password，例如：
UserInDB(**user_in.model_dump(),hashed_password=hashed_password)……输出结果如下：
UserInDB(username=user_dict["username"],password=user_dict["password"],email=user_dict["email"],full_name=user_dict["full_name"],hashed_password=hashed_password,)警告
配套的辅助函数fake_password_hasher 和fake_save_user 仅用于演示可能的数据流，当然并不提供真实的安全性。
减少重复¶
减少代码重复是FastAPI 的核心思想之一。
代码重复会导致 bug、安全问题、代码失步等问题（更新了某个位置的代码，但没有同步更新其它位置的代码）。
上面的这些模型共享了大量数据，拥有重复的属性名和类型。
我们可以做得更好。
声明UserBase 模型作为其它模型的基类。然后，用该类衍生出继承其属性（类型声明、校验等）的子类。
所有数据转换、校验、文档等功能仍将正常运行。
这样，就可以仅声明模型之间的差异部分（具有明文的password、具有hashed_password 以及不包括密码）：
fromfastapiimportFastAPIfrompydanticimportBaseModel,EmailStrapp=FastAPI()classUserBase(BaseModel):username:stremail:EmailStrfull_name:str|None=NoneclassUserIn(UserBase):password:strclassUserOut(UserBase):passclassUserInDB(UserBase):hashed_password:strdeffake_password_hasher(raw_password:str):return"supersecret"+raw_passworddeffake_save_user(user_in:UserIn):hashed_password=fake_password_hasher(user_in.password)user_in_db=UserInDB(**user_in.model_dump(),hashed_password=hashed_password)print("User saved! ..not really")returnuser_in_db@app.post("/user/",response_model=UserOut)asyncdefcreate_user(user_in:UserIn):user_saved=fake_save_user(user_in)returnuser_savedUnion 或anyOf¶
响应可以声明为两个或多个类型的Union，即该响应可以是这些类型中的任意一种。
在 OpenAPI 中会用anyOf 表示。
为此，请使用 Python 标准类型提示typing.Union：
注意
定义Union 类型时，要把更具体的类型写在前面，然后是不太具体的类型。下例中，更具体的PlaneItem 位于Union[PlaneItem, CarItem] 中的CarItem 之前。
fromfastapiimportFastAPIfrompydanticimportBaseModelapp=FastAPI()classBaseItem(BaseModel):description:strtype:strclassCarItem(BaseItem):type:str="car"classPlaneItem(BaseItem):type:str="plane"size:intitems={"item1":{"description":"All my friends drive a low rider","type":"car"},"item2":{"description":"Music is my aeroplane, it's my aeroplane","type":"plane","size":5,},}@app.get("/items/{item_id}",response_model=PlaneItem|CarItem)asyncdefread_item(item_id:str):returnitems[item_id]Python 3.10 中的Union¶
在这个示例中，我们把Union[PlaneItem, CarItem] 作为参数response_model 的值传入。
因为这是作为“参数的值”而不是放在“类型注解”中，所以即使在 Python 3.10 也必须使用Union。
如果是在类型注解中，我们就可以使用竖线：
some_variable:PlaneItem|CarItem但如果把它写成赋值response_model=PlaneItem | CarItem，就会报错，因为 Python 会尝试在PlaneItem 和CarItem 之间执行一个“无效的运算”，而不是把它当作类型注解来解析。
模型列表¶
同样地，你可以声明由对象列表构成的响应。
为此，请使用标准的 Pythonlist：
fromfastapiimportFastAPIfrompydanticimportBaseModelapp=FastAPI()classItem(BaseModel):name:strdescription:stritems=[{"name":"Foo","description":"There comes my hero"},{"name":"Red","description":"It's my aeroplane"},]@app.get("/items/",response_model=list[Item])asyncdefread_items():returnitems任意dict 的响应¶
你也可以使用普通的任意dict 来声明响应，只需声明键和值的类型，无需使用 Pydantic 模型。
如果你事先不知道有效的字段/属性名（Pydantic 模型需要预先知道字段）时，这很有用。
此时，可以使用dict：
fromfastapiimportFastAPIapp=FastAPI()@app.get("/keyword-weights/",response_model=dict[str,float])asyncdefread_keyword_weights():return{"foo":2.3,"bar":3.4}小结¶
针对不同场景，可以随意使用不同的 Pydantic 模型并通过继承复用。
当一个实体需要具备不同的“状态”时，无需只为该实体定义一个数据模型。例如，用户“实体”就可能有包含password、包含password_hash 以及不含密码等多种状态。