使用CPR库向FastAPI服务发送JSON数据的正确方式
在开发RESTful API应用时,客户端与服务端之间的JSON数据交互是一个常见需求。本文将以CPR(C++ Requests Library)向FastAPI服务发送JSON数据为例,详细介绍正确的实现方法。
问题背景
当使用CPR库作为客户端向FastAPI服务发送POST请求时,开发者可能会遇到JSON解析错误。常见的错误提示如"JSON decode error"或"Expecting value",这通常是由于JSON数据格式不正确导致的。
正确实现方式
服务端代码(FastAPI)
首先,我们来看FastAPI服务端的实现。这是一个典型的FastAPI POST接口,使用Pydantic模型来定义接收的数据结构:
from fastapi import FastAPI
from pydantic import BaseModel
app = FastAPI()
class Item(BaseModel):
vorname: str
nachname: str | None = None
alter: int
gewicht: float | None = None
@app.post("/items/")
async def create_item(item: Item):
return item
客户端代码(CPR)
正确的CPR客户端实现应该使用原始字符串字面量(Raw string literal)来构造JSON数据,确保格式完全符合JSON标准:
#include <iostream>
#include <cpr/cpr.h>
int main() {
cpr::Response postRequest = cpr::Post(
cpr::Url{"http://127.0.0.1:8000/items"},
cpr::Header{{"Content-Type", "application/json"}},
cpr::Body{R"({ "vorname": "Olaf", "nachname": "Ralf", "alter": 42, "gewicht": 24 })"}
);
std::cout << postRequest.text << std::endl;
return 0;
}
关键点解析
-
Content-Type头:必须设置为"application/json",告知服务端接收的是JSON格式数据。
-
JSON格式:
- 必须使用完整的大括号{}包裹整个JSON对象
- 属性名必须用双引号括起来
- 数值类型不应加引号(如"alter": 42正确,"alter": "42"错误)
-
CPR的Body构造:使用C++11的原始字符串字面量(R"()")可以避免转义字符带来的麻烦,保持JSON的可读性。
常见错误
-
数值类型加引号:将数值类型如整数、浮点数用引号括起来会导致类型不匹配错误。
-
缺少大括号:JSON对象必须用{}包裹,缺少会导致语法错误。
-
错误的Content-Type:使用text/plain等非JSON类型会导致服务端无法正确解析。
最佳实践建议
-
在开发过程中,可以使用Postman等工具先测试API接口,确保服务端正常工作。
-
对于复杂的JSON结构,可以考虑使用专门的JSON库(如nlohmann/json)来构建JSON对象,再转换为字符串传递给CPR。
-
始终验证服务端返回的状态码和响应内容,便于快速定位问题。
通过遵循这些准则,可以确保C++客户端与FastAPI服务端之间的JSON数据交互正确无误。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00