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 StartedRust0458
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0787
VTJ.PRO以AI驱动的Vue3前端低代码开发工具。内置低代码引擎、渲染器和代码生成器,支持Vue源码与低代码DSL双向转换,面向前端开发者,开箱即用。 无缝嵌入本地开发工程,不改变前端开发流程和编码习惯。TypeScript05
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0315
OpenDeepWikiOpenDeepWiki 是 DeepWiki 项目的开源版本,旨在提供一个强大的知识管理和协作平台。该项目主要使用 C# 和 TypeScript 开发,支持模块化设计,易于扩展和定制。C#01
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Markdown
832
5.52 K
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
497
522
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
808
1.17 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
802
1.6 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
982
2.32 K
deepin linux kernel
C
33
16
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.05 K
786
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
486
315
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++
1.21 K
1.27 K
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
668
316