Django Ninja中的HTTP状态码支持详解
2025-05-28 02:30:16作者:虞亚竹Luna
Django Ninja作为一款高效的API框架,提供了完善的HTTP状态码支持机制。本文将深入探讨如何在Django Ninja中正确使用HTTP状态码来构建规范的API响应。
HTTP状态码基础
HTTP状态码是服务器对客户端请求的响应标识,分为五大类:
- 1xx:信息响应
- 2xx:成功响应
- 3xx:重定向
- 4xx:客户端错误
- 5xx:服务器错误
在Django Ninja中,我们可以通过多种方式使用这些状态码。
直接返回状态码
最简单的方式是直接在路由处理函数中返回状态码和数据的元组:
from ninja import NinjaAPI
api = NinjaAPI()
@api.get("/items/{item_id}")
def get_item(request, item_id: int):
if item_id > 100:
return 404, {"message": "Item not found"}
return 200, {"id": item_id, "name": "Sample Item"}
使用Python标准库的HTTPStatus
Python标准库中的http.HTTPStatus提供了更优雅的状态码使用方式:
from http import HTTPStatus
from ninja import NinjaAPI
api = NinjaAPI()
@api.get("/items")
def list_items(request):
items = [...] # 获取项目列表
if not items:
return HTTPStatus.NO_CONTENT, None
return HTTPStatus.OK, {"items": items}
HTTPStatus枚举类不仅包含状态码数值,还提供了描述信息:
.value:状态码数值.phrase:状态短语(如"OK").description:详细描述
在路由装饰器中声明响应状态码
Django Ninja允许在路由装饰器中预先声明可能的响应状态码和对应的Schema:
from ninja import Schema
from http import HTTPStatus
class ItemSchema(Schema):
id: int
name: str
class ErrorSchema(Schema):
message: str
@api.get(
"/items/{item_id}",
response={
HTTPStatus.OK: ItemSchema,
HTTPStatus.NOT_FOUND: ErrorSchema,
HTTPStatus.BAD_REQUEST: ErrorSchema,
}
)
def get_item(request, item_id: int):
if item_id <= 0:
return HTTPStatus.BAD_REQUEST, {"message": "Invalid ID"}
# ...其他逻辑
常见状态码使用场景
以下是一些常见HTTP状态码在Django Ninja中的典型应用场景:
- 200 OK:请求成功
- 201 Created:资源创建成功
- 204 No Content:成功但无返回内容
- 400 Bad Request:客户端请求错误
- 401 Unauthorized:未认证
- 403 Forbidden:无权限
- 404 Not Found:资源不存在
- 500 Internal Server Error:服务器内部错误
最佳实践建议
- 始终为API端点定义完整的响应Schema
- 使用HTTPStatus枚举代替硬编码数字
- 为错误情况提供有意义的错误信息
- 保持状态码使用的一致性
- 在文档中明确记录每个端点可能返回的状态码
通过合理使用HTTP状态码,可以构建出符合RESTful规范的、易于理解和使用的API接口。Django Ninja的灵活设计让开发者能够以最合适的方式实现这些最佳实践。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
671
155
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++
660
308
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322