Visual Studio Code 中的 FastAPI 教程
FastAPI 是一个现代的、高性能的 Web 框架,用于使用 Python 构建 API。它旨在使构建 API 变得简单高效,同时提供诸如自动验证、序列化和 API 文档等功能,使其成为构建 Web 服务和微服务的热门选择。
在本 FastAPI 教程中,我们将使用 FastAPI 创建一个杂货清单应用程序。在本教程结束时,您将了解如何在 Visual Studio Code 终端、编辑器和调试器中使用 FastAPI。本教程不是 FastAPI 的深入探讨。为此,您可以参考 官方 FastAPI 文档。
如果这是您第一次使用 Python,我们建议您从我们的 Python 教程 开始,熟悉该语言和 VS Code 的 Python 支持。本教程更适合那些已经熟悉 Python 并想学习如何在 VS Code 中使用 FastAPI 的人。
本 FastAPI 教程的完整代码项目可以在 GitHub 上找到:python-sample-vscode-fastapi-tutorial。
如果您有任何问题,可以在 Python 扩展讨论问答区 搜索答案或提问。
设置项目
有多种方法可以为本教程设置您的项目。我们将介绍如何在 GitHub Codespaces 和 本地计算机上的 VS Code 中进行设置。
GitHub Codespaces
您可以设置此项目以在 GitHub Codespaces 中进行开发,您可以在 codespace 中远程编码、调试和运行您的应用程序。Codespace 提供了一个完全配置的开发环境,托管在云端,无需本地设置。此环境包括您项目的依赖项、工具和扩展,确保一致且可重现的开发体验。它通过提供实时编辑、集成的版本控制以及对调试和测试工具的轻松访问来简化协作,同时保持项目的安全性和可靠性。
注意:所有 GitHub.com 帐户在免费或 Pro 计划中都包含每月免费使用 GitHub Codespaces 的配额。有关更多信息,请访问 关于 GitHub Codespaces 的计费。
要为本教程设置 codespace,请导航到 此项目的 GitHub 存储库。此 codespace 包含快速开始 FastAPI 开发所需的所有必要配置和依赖项。
对于本教程,请选择 dictionarybased 分支
然后,选择 Code > Codespaces > 在 <dictionarybased> 分支上创建 Codespace 以创建并打开您项目的 codespace。
完成后,您可以继续下面的 替换数据库 部分。
本地 VS Code
要在 VS Code 中成功完成本教程,您首先需要设置您的 Python 开发环境。具体来说,本教程需要
- Python 3(如果您没有安装,请查看安装指南)
- VS Code 的 Python 扩展(有关安装扩展的更多详细信息,您可以阅读 扩展市场)。
在本节中,我们将创建一个文件夹以在 VS Code 中打开作为工作区,设置 Python 虚拟环境,并安装项目的依赖项。
-
在您的文件系统中,为此教程创建一个项目文件夹,例如
groceries-plugin
。 -
在 VS Code 中打开这个新文件夹(文件 > 打开文件夹…)。
-
当 工作区信任 提示出现时,选择 是,我信任作者 以允许工作区访问必要的资源和扩展。您可以在 文档 中了解有关工作区信任的更多信息。
现在,让我们创建一个 requirements.txt
文件,其中列出了我们希望为应用程序安装的依赖项。requirements.txt
文件是 Python 开发中的常见做法,用于指定您的项目依赖的库及其版本。此文件有助于确保任何在项目上工作的人都可以重现类似的开发环境,使其成为维护一致性的便捷组件。
我们将安装 FastAPI 用于创建应用程序,uvicorn 用作服务器,以及 Redis 和 type-redis
用于处理数据存储和与 Redis 数据库交互。
-
在 VS Code 中创建一个新文件(文件 > 新建文本文件 或 ⌘N (Windows, Linux Ctrl+N))。
-
将以下内容添加到其中
fastapi redis types-redis uvicorn
-
保存文件(⌘S (Windows, Linux Ctrl+S))并将其命名为
requirements.txt
。 -
通过打开命令面板(⇧⌘P (Windows, Linux Ctrl+Shift+P))并运行 Python: 创建环境 命令来创建虚拟环境。
注意:此步骤可能需要几分钟才能完成。
-
当询问环境类型时,选择 Venv
-
然后选择您机器上可用的最新 Python 版本
-
从下拉列表中选择
requirements.txt
文件,以便自动安装依赖项,然后选择 确定
将创建虚拟环境,自动安装依赖项,并为您的工作区选择该环境以供 Python 扩展使用。您可以通过检查 VS Code 右下角来确认它已被选中
注意:如果您在状态栏上找不到新创建的环境信息,您可以单击 Python 解释器指示器(或从命令面板运行 Python: 选择解释器 命令)并手动选择虚拟环境。
开始编码
让我们创建应用程序!
-
通过使用 文件 > 新建文件… 然后选择 Python 文件 来创建一个新的 Python 文件。
-
将其另存为
main.py
(⇧⌘S (Windows, Linux Ctrl+Shift+S))在groceries-plugin
文件夹中。 -
将以下代码添加到
main.py
并保存文件from fastapi import FastAPI app = FastAPI() @app.get("/") def root(): return {"message": "Hello World"}
-
通过启动调试器(F5)来运行代码。
-
从下拉菜单中,从列表中选择 FastAPI 配置选项
这将自动创建一个调试配置,该配置调用 uvicorn 通过调试器启动应用程序服务器,并允许您单步执行源代码以检查其行为。您应该在终端中看到类似以下内容
提示:如果您的默认端口已被占用,请停止调试器并打开命令面板(⇧⌘P (Windows, Linux Ctrl+Shift+P)),搜索 Debug: 添加配置,选择 Python Debugger,然后选择 FastAPI。这将在
.vscode/launch.json
中创建一个自定义配置文件,您可以编辑该文件。将以下内容添加到"args":[]
以设置自定义端口:"--port=5000"
。保存文件,然后使用 (F5) 重新启动调试器。 -
Ctrl+单击 终端中的
http://127.0.0.1:8000/
URL,以在您的默认浏览器中打开该地址恭喜!您的 FastAPI 应用程序已启动并运行!
-
通过使用调试工具栏中的 停止 按钮,或通过 ⇧F5 (Windows, Linux Shift+F5) 来停止调试器。
为杂货清单项创建模型
现在我们已经有了可以工作的 FastAPI 应用程序,我们可以使用 Pydantic 定义我们的杂货清单项,Pydantic 是一个数据验证和解析库,可以与 FastAPI 无缝集成。Pydantic 允许您使用带有 类型提示 的 Python 类来定义数据模型,以便在 API 请求中自动验证和解析传入数据(称为“有效负载”)。
让我们为我们的杂货清单项创建一个模型。我们将使用 ItemPayload
模型来定义要添加到杂货清单的项的数据结构。此模型将具有三个字段:item_id
、item_name
和 quantity
。
-
使用 文件 > 新建文件… 然后选择 Python 文件 创建一个新的 Python 文件。
-
将以下行添加到文件中,然后将其保存在
groceries-plugin
文件夹中,命名为models.py
(⇧⌘S (Windows, Linux Ctrl+Shift+S))from typing import Optional from pydantic import BaseModel class ItemPayload(BaseModel): item_id: Optional[int] item_name: str quantity: int
Pylance,VS Code 中 Python 的默认语言服务器,支持类型提示功能,这些功能对于使用 Pydantic 模型和 FastAPI 非常有用。这是因为 Pylance 构建于 Pyright 之上,Pyright 是 Python 的静态类型检查器,可以检测代码中的类型错误,以防止错误并提高代码质量。
以下三个步骤是可选的,但考虑到 FastAPI 广泛使用类型提示来提高代码可读性和验证性,我们可以利用 Pylance 的类型检查功能来尽早捕获错误
-
打开设置编辑器(⌘, (Windows, Linux Ctrl+,))。
-
搜索“python type checking mode”并将其设置为
basic
以进行基本类型检查。Pylance 现在将显示诊断和警告,以捕获简单的类型相关错误。或者,您可以将其设置为strict
以强制执行更高级的 类型检查规则。 -
接下来,搜索“Python inlay type hints”,并为 变量类型 和 函数返回类型 启用内嵌提示
创建路由
现在我们需要一个地方来存储杂货清单项。为简单起见,让我们从一个空字典开始。
-
首先,让我们导入示例所需的所有包。打开
main.py
文件,并将第一个导入行替换为以下行from fastapi import FastAPI, HTTPException from models import ItemPayload
-
现在在
app = FastAPI()
正下方添加以下行grocery_list: dict[int, ItemPayload] = {}
这将创建一个新的空字典,该字典接收
int
类型的键(作为项 ID)和ItemPayload
类型的值。我们现在将在我们的 FastAPI 应用程序中定义路由。在 Web 应用程序的上下文中,路由就像路径,将特定的 URL 映射到处理它们的代码。这些路由充当我们应用程序中不同功能的入口点。当客户端(例如 Web 浏览器或其他程序)向我们的应用程序发送具有特定 URL 的请求时,FastAPI 会根据 URL 将该请求路由到适当的函数(也称为路由处理程序或视图函数),并且该函数处理请求并生成响应。
让我们继续定义路由,以添加和检索单个项,以及返回杂货清单中的所有项。
-
在
main.py
文件的末尾添加以下路由# Route to add a item @app.post("/items/{item_name}/{quantity}") def add_item(item_name: str, quantity: int): if quantity <= 0: raise HTTPException(status_code=400, detail="Quantity must be greater than 0.") # if item already exists, we'll just add the quantity. # get all item names items_ids = {item.item_name: item.item_id if item.item_id is not None else 0 for item in grocery_list.values()} if item_name in items_ids.keys(): # get index of item_name in item_ids, which is the item_id item_id = items_ids[item_name] grocery_list[item_id].quantity += quantity # otherwise, create a new item else: # generate an ID for the item based on the highest ID in the grocery_list item_id = max(grocery_list.keys()) + 1 if grocery_list else 0 grocery_list[item_id] = ItemPayload( item_id=item_id, item_name=item_name, quantity=quantity ) return {"item": grocery_list[item_id]}
如果您在上一节中启用了类型提示,您可能会注意到 Pylance 添加了带有函数返回类型的内嵌提示,以及
item_ids
和item_id
的类型。您可以选择双击每个建议以将其插入到代码中现在让我们检查此路由是否按预期工作。最快的方法是同时使用 VS Code 的调试器和 FastAPI 的
/docs
端点,该端点提供有关所有可用 API 路由的信息,并允许您与 API 交互以探索其参数和响应。此文档是根据 FastAPI 应用程序中定义的元数据和类型提示动态生成的。 -
通过单击行号的左边距(或 F9),在
if quantity <= 0
语句旁边添加一个断点。调试器将在执行该行之前停止,以便您可以逐行检查代码。 -
启动调试器(F5),然后在浏览器中导航到
http://127.0.0.1:8000/docs
。应该有一个 Swagger 界面,其中包含应用程序中可用的两个端点:
/items
和根 (/
)。 -
选择
/items
路由旁边的向下箭头以展开它,然后选择右侧出现的 Try it out 按钮。 -
通过将字符串传递给
item_name
字段和数字传递给quantity
来添加杂货清单项。例如,您可以将 apple 作为item_name
并将 2 作为quantity
提供。 -
选择 执行。
-
再次打开 VS Code,注意调试器已在您先前设置的断点处停止。
在左侧,此时定义的所有局部变量和全局变量都显示在 运行和调试 视图下的“变量”窗口中。在我们的示例中,
item_name
设置为“apple”,quantity
在局部变量视图下设置为 2,全局变量视图下有一个空的grocery_list
字典。现在让我们使用 VS Code 的调试控制台进行一些探索。
-
选择
quantity <= 0
语句,右键单击编辑器并选择 在调试控制台中求值这将打开调试控制台并运行选定的表达式。正如我们的示例中所预期的那样,表达式求值为
False
。调试控制台可能是一个强大的工具,可以快速测试表达式并更好地了解断点时代码的状态。您还可以使用它来运行任意代码,例如调用函数或打印变量。您可以在 Python 教程 中了解有关 VS Code 中 Python 调试的更多信息。
您现在可以通过在调试视图工具栏中选择 继续 或按 F5 来继续执行代码。
最后,让我们为应用程序添加剩余的路由,以便我们可以列出所有项或特定项,以及从我们的杂货清单中删除它们。您可以让调试器保持运行状态,因为它会在您保存下一步所做的更改时自动重新加载应用程序。
-
将
main.py
中的内容替换为以下代码from fastapi import FastAPI, HTTPException from models import ItemPayload app = FastAPI() grocery_list: dict[int, ItemPayload] = {} # Route to add an item @app.post("/items/{item_name}/{quantity}") def add_item(item_name: str, quantity: int) -> dict[str, ItemPayload]: if quantity <= 0: raise HTTPException(status_code=400, detail="Quantity must be greater than 0.") # if item already exists, we'll just add the quantity. # get all item names items_ids: dict[str, int] = { item.item_name: item.item_id if item.item_id is not None else 0 for item in grocery_list.values() } if item_name in items_ids.keys(): # get index of item_name in item_ids, which is the item_id item_id: int = items_ids[item_name] grocery_list[item_id].quantity += quantity # otherwise, create a new item else: # generate an ID for the item based on the highest ID in the grocery_list item_id: int = max(grocery_list.keys()) + 1 if grocery_list else 0 grocery_list[item_id] = ItemPayload( item_id=item_id, item_name=item_name, quantity=quantity ) return {"item": grocery_list[item_id]} # Route to list a specific item by ID @app.get("/items/{item_id}") def list_item(item_id: int) -> dict[str, ItemPayload]: if item_id not in grocery_list: raise HTTPException(status_code=404, detail="Item not found.") return {"item": grocery_list[item_id]} # Route to list all items @app.get("/items") def list_items() -> dict[str, dict[int, ItemPayload]]: return {"items": grocery_list} # Route to delete a specific item by ID @app.delete("/items/{item_id}") def delete_item(item_id: int) -> dict[str, str]: if item_id not in grocery_list: raise HTTPException(status_code=404, detail="Item not found.") del grocery_list[item_id] return {"result": "Item deleted."} # Route to remove some quantity of a specific item by ID @app.delete("/items/{item_id}/{quantity}") def remove_quantity(item_id: int, quantity: int) -> dict[str, str]: if item_id not in grocery_list: raise HTTPException(status_code=404, detail="Item not found.") # if quantity to be removed is higher or equal to item's quantity, delete the item if grocery_list[item_id].quantity <= quantity: del grocery_list[item_id] return {"result": "Item deleted."} else: grocery_list[item_id].quantity -= quantity return {"result": f"{quantity} items removed."}
-
保存文件(⌘S (Windows, Linux Ctrl+S))。应用程序应自动重新加载。
您现在可以再次打开 /docs
页面并测试新路由,使用调试器和调试控制台来更好地理解代码执行。完成后,您可以停止调试器(⇧F5 (Windows, Linux Shift+F5))。您也可以通过单击断点来删除我们在步骤 4 中添加的断点。
恭喜!您现在拥有一个可以工作的 FastAPI 应用程序,其中包含用于添加、列出和删除杂货清单中项的路由。
设置数据存储
此时,您已经拥有一个具有基本功能的应用程序的工作版本。本节将指导您完成数据存储持久化的设置,但如果您对您已经学到的知识感到满意,您可以选择跳过它。
到目前为止,我们将数据存储在字典中,这并不理想,因为当应用程序重新启动时,所有数据都将丢失。
为了持久化数据,我们将使用 Redis,这是一个开源的内存数据结构存储。由于其速度和多功能性,Redis 通常用作各种应用程序中的数据存储系统,包括 Web 应用程序、实时分析系统、缓存层、本教程等等。
如果您已经在 GitHub Codespaces 上使用我们现有的模板,您可以直接跳到 替换数据库 部分。
如果您使用的是 Windows,您可以通过设置 Docker 容器 或 GitHub Codespace 来使用 Redis。在本教程中,我们将使用 Docker 容器,但您可以参考上面的 部分,了解如何设置 GitHub Codespace 的说明。
否则,如果您使用的是 Linux 或 macOS 机器,您可以按照 其网站上的说明 安装 Redis,然后跳到 替换数据库 部分。
在 Windows 上设置 Docker 容器
VS Code Dev Containers 扩展提供了一种简化的方法,可以将您的项目、其依赖项和所有必要的工具整合到一个整洁的容器中,从而创建一个功能齐全的开发环境。该扩展允许您在 VS Code 中打开容器内部(或挂载到容器中)的项目,您将在其中拥有其全部功能集。
对于以下步骤,请确保您的机器上已安装以下要求
要求
创建 Dev 容器配置
-
打开命令面板并运行 Dev Containers: 添加 Dev Container 配置文件…。
-
选择 Python 3
-
选择默认版本。
-
选择 Redis Server 作为要安装的附加功能,按 确定,然后选择 保留默认值。
我们可以选择安装 Features 以包含在容器中。对于本教程,我们将安装 Redis Server,这是一个社区贡献的 Feature,用于安装 Redis 并添加正确的开发容器设置。
这将在您的工作区中创建一个
.devcontainer
文件夹,其中包含一个devcontainer.json
文件。让我们对此文件进行一些编辑,以便容器设置包括安装我们需要的 VS Code 扩展以及项目依赖项等步骤。 -
打开
devcontainer.json
文件。 -
在
"features" : { ... }
条目之后添加一个“,”,以便我们可以向文件中添加更多设置。接下来,我们将必要的依赖项安装命令添加到
devcontainer.json
文件中的postCreateCommand
属性,以便我们的应用程序在容器设置完成后即可运行。 -
找到以下内容并删除该行中的注释 (
//
),以便在创建容器后可以安装依赖项"postCreateCommand": "pip3 install --user -r requirements.txt",
您可以在 开发容器规范 中了解有关
postCreateCommand
和更多生命周期脚本的信息。现在我们将使用
customizations
属性添加我们希望在容器中安装的 VS Code 扩展。 -
将以下设置添加到
devcontainer.json
// Use 'postCreateCommand' to run commands after the container is created. "postCreateCommand": "pip3 install --user -r requirements.txt", // Configure tool-specific properties. "customizations": { "vscode": { "extensions": [ "ms-python.python", //Python extension ID "ms-python.vscode-pylance" //Pylance extension ID ] } }
-
保存文件。
-
从右下角显示的通知中选择 在容器中重新打开,或从命令面板运行 Dev Containers: 在容器中重新打开 命令。
注意:构建容器可能需要几分钟,具体取决于互联网速度和机器性能。
您可以在 Dev Containers 文档 中了解有关开发容器配置的更多信息。
完成后,您将拥有一个完全配置的基于 Linux 的工作区,其中安装了 Python 3 和 Redis Server。
容器设置完成后,您将在 VS Code 的左下角注意到一个指示器
注意:通过打开扩展视图(⇧⌘X (Windows, Linux Ctrl+Shift+X))并搜索它们,仔细检查 Python 和 Pylance 扩展是否已成功安装在容器中。如果未安装,您可以运行 在 Dev Container 中安装 来安装它们。
选定的 Python 解释器信息可在右下角的状态栏上找到,与 devcontainer.json
文件中指定的版本匹配
注意:如果您在状态栏上找不到 Python 解释器信息,您可以单击 Python 解释器指示器(或从命令面板运行 Python: 选择解释器 命令)并手动选择容器中的 Python 解释器。
我们现在准备好继续下一节,我们将替换数据存储。
替换数据库
我们有一个字典来存储杂货清单项,但我们想用 Redis 数据库替换它。在本教程中,我们将使用 Redis 哈希来存储我们的数据,这是一种可以存储多个键值对的数据结构。
与传统数据库不同,在传统数据库中,您可以在不知道项的 ID 的情况下检索项,您需要知道 Redis 哈希键才能从中检索值。在本教程中,我们将创建一个名为 item_name_to_id
的哈希,以按名称检索项,并将它们映射到其 ID。此外,我们将创建其他哈希以按 ID 检索项,将它们映射到其名称和数量。每个项哈希都命名为 item_id:{item_id}
,并具有两个字段:item_name
和 quantity
。
首先,让我们从用连接到 Redis 服务器的 Redis 客户端对象替换字典开始。
-
在
main.py
文件中,将文件开头的grocery_list: dict[int, ItemPayload] = {}
替换为以下行redis_client = redis.StrictRedis(host='0.0.0.0', port=6379, db=0, decode_responses=True)
Pylance 将显示错误消息,因为尚未导入 Redis。
-
将光标放在编辑器中的“redis”上,然后单击显示的灯泡(或 ⌘. (Windows, Linux Ctrl+.))。然后选择 添加 'import redis'。
提示:您可以通过在设置编辑器(⌘, (Windows, Linux Ctrl+,))中查找 Auto Import Completions 设置并启用它来设置 Pylance 自动添加导入。
我们现在有一个 Redis 客户端对象,它连接到在本地主机 (
host="0.0.0.0"
) 上运行并在端口 6379 (port=6379
) 上侦听的 Redis 服务器。db
参数指定要使用的 Redis 数据库。Redis 支持多个数据库,在此代码中,我们将使用数据库 0,这是默认数据库。我们还传递decode_responses=True
以将响应解码为字符串(而不是字节)。让我们在第一个路由
add_item
中进行更多替换。与其查看字典中的所有键来查找已提供的项名称,不如直接从 Redis 哈希中获取该信息。我们将假设
item_name_to_id
哈希已存在,它将商品名称映射到其 ID(不用担心,我们稍后会添加这段代码!)。然后,我们可以通过调用 Redis 中的hget
方法来获取请求中接收到的商品名称的 ID,如果请求的名称已存在于哈希中,该方法将返回商品 ID,否则返回None
。 -
删除内容如下的行
items_ids = {item.item_name: item.item_id if item.item_id is not None else 0 for item in grocery_list.values()}
并替换为
item_id = redis_client.hget("item_name_to_id", item_name)
请注意,Pylance 针对此更改提出了一个问题。这是因为
hget
方法返回str
或None
(如果商品不存在)。但是,我们尚未替换的代码下方的行期望item_id
的类型为int
。让我们通过重命名item_id
符号来解决此警告。 -
将
item_id
重命名为item_id_str
。 -
如果您启用了内嵌提示,Pylance 应该会在
item_id_str
旁边显示变量类型提示。您可以选择双击以接受它 -
如果商品不存在,则
item_id_str
为None
。现在我们可以删除内容如下的行if item_name in items_ids.keys():
并替换为
if item_id_str is not None:
现在我们有了字符串格式的商品 ID,我们需要将其转换为
int
并更新商品的数量。目前,我们的 Redis 哈希仅将商品名称映射到其 ID。为了也将商品 ID 映射到其名称和数量,我们将为每个商品创建一个单独的 Redis 哈希,使用"item_id:{item_id}"
作为我们的哈希名称,以便更轻松地按 ID 检索。我们还将为每个哈希添加item_name
和quantity
字段。 -
删除
if
代码块内的代码item_id: int = items_ids[item_name] grocery_list[item_id].quantity += quantity
并添加以下代码,将
item_id
转换为int
,然后通过调用 Redis 中的hincrby
方法来增加商品的数量。此方法将请求中给定数量 (quantity
) 增加"quantity"
字段的值item_id = int(item_id_str) redis_client.hincrby(f"item_id:{item_id}", "quantity", quantity)
现在我们只需要替换商品不存在时(即
item_id_str
为None
时)的代码。在这种情况下,我们生成一个新的item_id
,为商品创建一个新的 Redis 哈希,然后添加提供的商品名称和数量。为了生成新的
item_id
,让我们使用 Redis 中的incr
方法,传递一个名为"item_ids"
的新哈希。此哈希用于存储最后生成的 ID,因此我们可以在每次创建新商品时递增它,确保它们都具有唯一的 ID。 -
删除内容如下的行
item_id: int = max(grocery_list.keys()) + 1 if grocery_list else 0
并添加以下内容
item_id: int = redis_client.incr("item_ids")
当首次使用
item_ids
键运行此incr
调用时,Redis 会创建该键并将其映射到值1
。然后,每次后续运行时,它都会将存储的值递增 1。现在我们将商品添加到 Redis 哈希中,使用
hset
方法并为字段(item_id
、item_name
和quantity
)和值(商品新创建的 ID 及其提供的名称和数量)提供映射。 -
删除内容如下的行
grocery_list[item_id] = ItemPayload( item_id=item_id, item_name=item_name, quantity=quantity )
并将其替换为以下内容
redis_client.hset( f"item_id:{item_id}", mapping={ "item_id": item_id, "item_name": item_name, "quantity": quantity, })
现在我们只需要通过设置我们在开始时引用的哈希
item_name_to_id
,将新创建的 ID 映射到商品名称。 -
将此行添加到路由的末尾,在
else
代码块内redis_client.hset("item_name_to_id", item_name, item_id)
-
删除内容如下的行
return {"item": grocery_list[item_id]}
并替换为
return {"item": ItemPayload(item_id=item_id, item_name=item_name, quantity=quantity)}
-
如果您愿意,您可以尝试对其他路由进行类似的替换。否则,您可以直接用下面的行替换文件的全部内容
import redis from fastapi import FastAPI, HTTPException from models import ItemPayload app = FastAPI() redis_client = redis.StrictRedis(host="0.0.0.0", port=6379, db=0, decode_responses=True) # Route to add an item @app.post("/items/{item_name}/{quantity}") def add_item(item_name: str, quantity: int) -> dict[str, ItemPayload]: if quantity <= 0: raise HTTPException(status_code=400, detail="Quantity must be greater than 0.") # Check if item already exists item_id_str: str | None = redis_client.hget("item_name_to_id", item_name) if item_id_str is not None: item_id = int(item_id_str) redis_client.hincrby(f"item_id:{item_id}", "quantity", quantity) else: # Generate an ID for the item item_id: int = redis_client.incr("item_ids") redis_client.hset( f"item_id:{item_id}", mapping={ "item_id": item_id, "item_name": item_name, "quantity": quantity, }, ) # Create a set so we can search by name too redis_client.hset("item_name_to_id", item_name, item_id) return { "item": ItemPayload(item_id=item_id, item_name=item_name, quantity=quantity) } # Route to list a specific item by ID but using Redis @app.get("/items/{item_id}") def list_item(item_id: int) -> dict[str, dict[str, str]]: if not redis_client.hexists(f"item_id:{item_id}", "item_id"): raise HTTPException(status_code=404, detail="Item not found.") else: return {"item": redis_client.hgetall(f"item_id:{item_id}")} @app.get("/items") def list_items() -> dict[str, list[ItemPayload]]: items: list[ItemPayload] = [] stored_items: dict[str, str] = redis_client.hgetall("item_name_to_id") for name, id_str in stored_items.items(): item_id: int = int(id_str) item_name_str: str | None = redis_client.hget(f"item_id:{item_id}", "item_name") if item_name_str is not None: item_name: str = item_name_str else: continue # skip this item if it has no name item_quantity_str: str | None = redis_client.hget( f"item_id:{item_id}", "quantity" ) if item_quantity_str is not None: item_quantity: int = int(item_quantity_str) else: item_quantity = 0 items.append( ItemPayload(item_id=item_id, item_name=item_name, quantity=item_quantity) ) return {"items": items} # Route to delete a specific item by ID but using Redis @app.delete("/items/{item_id}") def delete_item(item_id: int) -> dict[str, str]: if not redis_client.hexists(f"item_id:{item_id}", "item_id"): raise HTTPException(status_code=404, detail="Item not found.") else: item_name: str | None = redis_client.hget(f"item_id:{item_id}", "item_name") redis_client.hdel("item_name_to_id", f"{item_name}") redis_client.delete(f"item_id:{item_id}") return {"result": "Item deleted."} # Route to remove some quantity of a specific item by ID but using Redis @app.delete("/items/{item_id}/{quantity}") def remove_quantity(item_id: int, quantity: int) -> dict[str, str]: if not redis_client.hexists(f"item_id:{item_id}", "item_id"): raise HTTPException(status_code=404, detail="Item not found.") item_quantity: str | None = redis_client.hget(f"item_id:{item_id}", "quantity") # if quantity to be removed is higher or equal to item's quantity, delete the item if item_quantity is None: existing_quantity: int = 0 else: existing_quantity: int = int(item_quantity) if existing_quantity <= quantity: item_name: str | None = redis_client.hget(f"item_id:{item_id}", "item_name") redis_client.hdel("item_name_to_id", f"{item_name}") redis_client.delete(f"item_id:{item_id}") return {"result": "Item deleted."} else: redis_client.hincrby(f"item_id:{item_id}", "quantity", -quantity) return {"result": f"{quantity} items removed."}
-
重新运行调试器以通过与
/docs
路由交互来测试此应用程序。完成后,您可以停止调试器。
恭喜!您现在拥有一个可用的 FastAPI 应用程序,其中包含用于添加、列出和删除购物清单中商品的路由,并且数据持久保存在 Redis 数据库中。
可选:设置数据库删除
现在数据已由 Redis 持久保存,您可能想要创建一个脚本来擦除所有测试数据。为此,创建一个名为 flushdb.py
的新文件,内容如下
import redis
redis_client = redis.StrictRedis(host='0.0.0.0', port=6379, db=0, decode_responses=True)
redis_client.flushdb()
然后,当您想要重置数据库时,您可以在 VS Code 中打开 flushdb.py
文件,然后选择编辑器右上角的运行按钮,或从命令面板运行 Python: 在终端中运行 Python 文件 命令。
请注意,应谨慎执行此操作,因为它将删除当前数据库中的所有键,如果在生产环境中执行,可能会导致数据丢失。
可选:创建 ChatGPT 插件
使用 GitHub Codespaces,您可以在使用 ChatGPT 插件 时托管您的应用程序以进行测试。ChatGPT 插件是使 ChatGPT 能够与现有 API 交互以增强 ChatGPT 功能的工具,使其能够执行各种操作。ChatGPT 插件目前尚未公开提供,但您可以加入他们的 候补名单 以获得访问权限。获得访问权限后,您可以按照下面的直播录像创建您自己的 ChatGPT 购物清单插件
注意:所有个人 GitHub.com 帐户在免费或 Pro 计划中都包含每月免费使用 GitHub Codespaces 的配额。有关更多信息,请访问 关于 GitHub Codespaces 的计费。
后续步骤
感谢您跟随本教程!我们希望您学到了一些关于 FastAPI 以及如何将其与 VS Code 一起使用的新知识。
本教程的完整代码项目可以在 GitHub 上找到:python-sample-vscode-fastapi-tutorial。
在 官方文档 中了解更多关于 FastAPI 的信息。
要在生产网站上试用该应用程序,请查看教程 使用 Docker 容器将 Python 应用程序部署到 Azure 应用服务。
您还可以查看以下其他 VS Code Python 文章