Django Ninja 中处理 PATCH 请求与可选字段的最佳实践
2025-05-28 07:23:58作者:段琳惟
在 Django Ninja 框架中处理 PATCH 请求时,开发者经常会遇到一个常见问题:如何区分客户端想要将字段设置为 None 和客户端根本没有发送该字段的情况。这个问题在 RESTful API 设计中尤为重要,因为 PATCH 请求的本意是部分更新资源,而不是完全替换。
问题背景
当使用 Django Ninja 的 ModelSchema 并设置 fields_optional="__all__" 时,请求负载会包含所有可能的键,即使客户端没有发送某些字段,这些未发送的字段也会被设置为 None。这使得服务器无法区分以下两种情况:
- 客户端明确想要将字段值设置为 None
- 客户端没有发送该字段,意味着不应修改该字段
解决方案探索
使用 exclude_unset 参数
Django Ninja 提供了 .dict(exclude_unset=True) 方法,可以过滤掉未设置的字段。这是目前最常用的解决方案:
@api.patch("/{id}", response=RespSchema)
def patch_view(request, employee_id, body: ReqSchema):
employee = get_object_or_404(Employee, id=employee_id)
filtered_dict = body.dict(exclude_unset=True)
for attr, value in filtered_dict.items():
setattr(employee, attr, value)
这种方法有效地区分了未设置的字段和显式设置为 None 的字段。
可选字段与默认值的区别
在定义 Schema 时,开发者需要注意两种不同的字段定义方式:
- 可选字段:使用
Optional[str]表示该字段可以完全从请求中省略 - 可空字段:使用
str = None表示该字段必须提供,但可以设置为 None
正确的用法应该是:
class TheSchema(Schema):
optional_field: Optional[str] # 可以省略
nullable_field: Optional[str] = None # 必须提供但可为None
未来可能的改进
Django Ninja 可能会引入 PatchDict 类型标记,使 PATCH 操作更加优雅:
@api.patch("/patch")
def patch(request, payload: PatchDict[SomeSchema]):
print(payload) # 只包含客户端实际发送的字段
这种设计将使 PATCH 操作更加直观,自动处理字段过滤逻辑。
实际应用建议
对于当前版本的 Django Ninja,建议采用以下模式处理 PATCH 请求:
- 为 PATCH 操作创建专门的 Schema,所有字段都设为 Optional
- 在视图函数中使用
.dict(exclude_unset=True)获取实际修改的字段 - 使用循环将这些字段应用到模型实例
class EmployeePatchSchema(Schema):
name: Optional[str]
age: Optional[int]
department: Optional[str]
@api.patch("/employees/{id}")
def update_employee(request, id: int, payload: EmployeePatchSchema):
employee = get_object_or_404(Employee, id=id)
update_data = payload.dict(exclude_unset=True)
for field, value in update_data.items():
setattr(employee, field, value)
employee.save()
return employee
这种方法既保持了代码的简洁性,又正确处理了部分更新的需求。
总结
Django Ninja 提供了灵活的工具来处理 PATCH 请求和可选字段。通过合理使用 Schema 定义和 .dict(exclude_unset=True) 方法,开发者可以轻松实现符合 REST 原则的部分更新操作。未来随着框架的发展,可能会提供更加简洁的语法糖来进一步简化这一常见模式。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
652
797
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.25 K
153
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.1 K
611
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++
1.01 K
1.01 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
147
237
昇腾LLM分布式训练框架
Python
168
200
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
434
395
暂无简介
Dart
986
253