Django Ninja中PUT端点未正确使用请求体数据的解决方案
2025-05-28 21:37:16作者:曹令琨Iris
在使用Django Ninja框架开发REST API时,开发者可能会遇到一个常见问题:PUT端点没有正确使用请求体中的数据,而是返回了模型字段的默认值。这种情况通常发生在使用ModelSchema进行数据验证和序列化时。
问题现象
当开发者创建一个PUT端点来更新模型实例时,即使请求体中包含了正确的数据,端点也可能返回模型字段的默认值而不是更新后的值。这会导致前端应用无法获取到正确的更新结果。
问题根源
经过分析,这种情况通常是由于开发者忘记在端点函数中返回更新后的模型实例造成的。在Django Ninja中,端点函数需要显式返回处理结果,框架才会将其序列化为响应。
解决方案
正确的做法是在处理完模型更新后,返回更新后的模型实例。以下是一个完整的示例:
@api.put("/member/{member_id}", response={200: UserTimezoneSchema, 404: NotFoundSchema})
def change_tz(request, member_id: int, data: UserTimezoneSchema):
try:
member = User.objects.get(pk=member_id)
member.tz_preference = data.tz_preference
member.save()
return member # 关键点:必须返回更新后的模型实例
except User.DoesNotExist as e:
return 404, {'message': 'User does not exist'}
技术原理
Django Ninja的响应处理机制依赖于端点函数的返回值。当使用ModelSchema作为响应模型时,框架会自动将返回的模型实例序列化为对应的Schema格式。如果忘记返回模型实例,框架就无法生成正确的响应数据。
最佳实践
- 始终记得在修改操作后返回更新后的模型实例
- 对于更新操作,建议先刷新模型实例再从数据库获取最新数据
- 可以使用
member.refresh_from_db()确保获取的是最新数据 - 考虑添加适当的日志记录,便于调试和问题追踪
总结
Django Ninja框架虽然简化了API开发流程,但仍需遵循其响应处理的基本规则。理解框架的工作原理和响应机制,可以帮助开发者避免这类常见问题,构建更健壮的API接口。
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 StartedRust0213
cann-learning-hubCANN 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 Notebook0138
uni-appA cross-platform framework using Vue.jsJavaScript08
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
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
469
465
暂无描述
Dockerfile
778
5.08 K
Ascend Extension for PyTorch
Python
757
968
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++
876
2.03 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++
697
1.4 K
昇腾LLM分布式训练框架
Python
185
231
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
2.25 K
676
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271