Strawberry GraphQL 0.266.1版本发布:更优雅地处理可选更新
2025-06-13 09:35:00作者:袁立春Spencer
项目简介
Strawberry GraphQL是一个基于Python的类型安全GraphQL库,它利用Python的类型注解来定义GraphQL模式。该项目旨在提供一种简单、直观的方式来构建GraphQL API,同时保持代码的类型安全和可维护性。
版本亮点
Strawberry GraphQL 0.266.1版本引入了一个重要的新特性:strawberry.Maybe类型,它为处理可选更新提供了一种更优雅、更安全的方式。
传统方式的局限性
在之前的版本中,开发者需要使用strawberry.UNSET来判断输入值是null还是未提供。这种方式存在几个问题:
- 使用起来较为繁琐
- 容易出错
- 类型提示不够明确
- 代码可读性较差
新特性的优势
strawberry.Maybe类型解决了上述问题,提供了以下改进:
- 更清晰的语义:明确表示一个值可能被提供或未提供
- 更好的类型提示:IDE和类型检查器能更好地理解代码意图
- 更安全的处理方式:减少运行时错误的可能性
- 与Python模式匹配兼容:可以利用Python 3.10+的模式匹配特性
使用示例
基本用法
import strawberry
@strawberry.type
class User:
name: str
phone: str | None
@strawberry.input
class UpdateUserInput:
name: str
phone: strawberry.Maybe[str]
@strawberry.type
class Mutation:
def update_user(self, input: UpdateUserInput) -> None:
if input.phone: # 检查phone是否被提供
update_user_phone(input.phone.value) # 访问实际值
模式匹配用法
对于使用Python 3.10+的项目,可以利用模式匹配特性:
@strawberry.type
class Mutation:
def update_user(self, input: UpdateUserInput) -> None:
match input.phone:
case strawberry.Some(value=value): # 值被提供
update_user_phone(value)
case None: # 值未被提供
pass # 不做处理
作为字段参数
strawberry.Maybe也可以用作字段参数:
@strawberry.field
def filter_users(self, phone: strawberry.Maybe[str] = None) -> list[User]:
if phone: # 检查phone参数是否被提供
return filter_users_by_phone(phone.value) # 使用提供的值过滤
return get_all_users() # 返回所有用户
技术实现分析
strawberry.Maybe实际上是基于Option模式的实现,这在函数式编程中很常见。它封装了两种可能性:
Some(value):表示值被提供None:表示值未被提供
这种设计比直接使用None或特殊值(如UNSET)更安全,因为它强制开发者显式处理两种情况,减少了忘记检查的可能性。
迁移建议
对于现有项目,建议逐步迁移到新的strawberry.Maybe方式:
- 新代码优先使用
strawberry.Maybe - 逐步重构现有代码中使用了
UNSET的部分 - 利用类型检查工具确保迁移过程中不会引入错误
总结
Strawberry GraphQL 0.266.1版本通过引入strawberry.Maybe类型,显著改善了处理可选更新的体验。这一改进不仅提高了代码的安全性和可维护性,还使API设计更加直观。对于GraphQL API开发来说,正确处理可选字段是一个常见需求,这个新特性为开发者提供了更好的工具来处理这类场景。
对于正在使用Strawberry GraphQL的项目,建议评估并采用这一新特性,特别是在需要精确区分"未提供值"和"显式设置为null"的场景中。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
268
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1