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 StartedRust0152- 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
Ascend Extension for PyTorch
Python
617
793
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
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
433
394
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
145
237
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
1.18 K
152
暂无简介
Dart
983
252
Oohos_react_native
React Native鸿蒙化仓库
C++
348
403
昇腾LLM分布式训练框架
Python
166
198
🎉 (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
1.68 K
989