当前位置：首页 > news >正文

FastAPI 进阶：使用 Pydantic 验证器增强 Query 参数验证

news 来源：原创 2024/9/19 0:51:25

在 FastAPI 中，为 Query 类参数添加更复杂的验证逻辑可以通过以下几种方法实现：

使用 Pydantic 验证器：
Pydantic 允许你在模型中定义自定义验证器。这些验证器可以用于 Query 参数，以实现复杂的验证逻辑。

from fastapi import FastAPI, Query, Depends, HTTPException
from pydantic import BaseModel, validatorapp = FastAPI()class QueryParameters(BaseModel):q: str@validator('q')def check_custom_logic(cls, value):# 这里可以添加任何复杂的逻辑if 'forbidden' in value:raise ValueError('The value is not allowed')return value@app.get("/items/")
async def read_items(q: QueryParameters = Depends()):return {"q": q.q}

使用前置依赖函数：
通过在路由函数中使用 Depends，你可以创建一个前置依赖函数来执行复杂的验证逻辑。

from fastapi import FastAPI, Depends, Query, HTTPExceptionapp = FastAPI()def complex_query_validator(query: str):if not query.startswith("allowed_"):raise HTTPException(status_code=400, detail="Query parameter does not follow the rules")return query@app.get("/items/")
async def read_items(q: str = Depends(complex_query_validator)):return {"q": q}

使用正则表达式：
Query 类支持 regex 参数，你可以使用它来定义一个正则表达式，用于验证查询参数的格式。

from fastapi import FastAPI, Queryapp = FastAPI()@app.get("/items/")
async def read_items(q: str = Query(..., regex="^[a-zA-Z0-9]+$")):return {"q": q}

组合使用 Query 参数：
你可以组合使用多个 Query 参数，并在路由函数中实现逻辑来验证这些参数的组合。

from fastapi import FastAPI, Queryapp = FastAPI()@app.get("/items/")
async def read_items(min_price: float = Query(gt=0), max_price: float = Query(gt=0)):if min_price >= max_price:raise ValueError("min_price should be less than max_price")return {"min_price": min_price, "max_price": max_price}

使用自定义依赖项类：
你可以创建自定义的依赖项类，这些类继承自 Depends 并实现 __call__ 方法，以封装复杂的验证逻辑。

from fastapi import FastAPI, Depends, Queryapp = FastAPI()class CustomQuery:def __call__(self, query: str):if not query.isalpha():raise ValueError("Query must contain only letters")return query@app.get("/items/")
async def read_items(q: str = Depends(CustomQuery())):return {"q": q}

使用外部库：
如果需要，你可以使用外部验证库（如 Marshmallow 或 Cerberus）来实现复杂的验证逻辑，并将验证结果作为依赖项注入路由函数。

通过这些方法，你可以为 FastAPI 应用中的 Query 类参数添加几乎任何复杂度的验证逻辑，确保输入数据的准确性和安全性。

在 FastAPI 应用中，为 Query 参数编写 Pydantic 验证器可以让你实现复杂的验证逻辑。以下是如何为 Query 参数创建和使用 Pydantic 验证器的步骤：

定义 Pydantic 模型：
创建一个 Pydantic 模型，并在模型中定义你的 Query 参数以及相应的验证器。
编写验证器：
使用模型中的 @validator 装饰器来创建一个验证器函数，该函数将包含你的验证逻辑。
使用依赖注入：
在路由函数中，使用 Depends 来注入你的模型实例，这样 FastAPI 就会在调用路由函数之前执行验证逻辑。

下面是一个示例代码，展示了如何为 Query 参数编写 Pydantic 验证器：

from fastapi import FastAPI, Depends, Query
from pydantic import BaseModel, Field, validator
from typing import Union, Optionalapp = FastAPI()# 定义 Pydantic 模型
class QueryParameters(BaseModel):q: Optional[str] = Nonesize: Optional[int] = Query(default=None, gt=0)# 验证器，确保 'q' 参数不为空，且 'size' 大于 0@validator('q', pre=True, always=True)def check_q_not_empty(cls, v):if v is None or v == "":raise ValueError("Query parameter 'q' cannot be empty")return v@validator('size', pre=True, allow_reuse=True)def check_size_positive(cls, v):if v is not None and v <= 0:raise ValueError("Query parameter 'size' must be greater than 0")return v# 依赖项函数，返回验证后的 QueryParameters 实例
def validate_query_params(params: QueryParameters = Depends()):return params# 路由函数
@app.get("/items/")
async def read_items(query_params: QueryParameters = Depends(validate_query_params)):results = {"q": query_params.q, "size": query_params.size}return results