【保姆级超详细还免费】FastAPI 入门指南:构建你的第一个API
什么是FastAPI?
FastAPI 是一个现代、快速(高性能)的 Python Web 框架,用于构建 API。它基于标准 Python 类型提示,使用 Starlette 和 Pydantic 构建,提供了极高的性能,可与 NodeJS 和 Go 相媲美。
创建你的第一个FastAPI应用
1. 安装FastAPI
在开始之前,你需要安装FastAPI和ASGI服务器(如Uvicorn):
pip install fastapi uvicorn
2. 编写基础代码
创建一个名为main.py的文件,并添加以下内容:
from fastapi import FastAPI
app = FastAPI()
@app.get("/")
async def root():
return {"message": "Hello World"}
这段代码做了以下几件事:
- 导入FastAPI类
- 创建FastAPI实例(通常命名为
app) - 定义路由处理函数
- 返回JSON响应
3. 运行开发服务器
在终端运行以下命令启动开发服务器:
fastapi dev main.py
你会看到类似以下的输出:
INFO: Uvicorn running on http://127.0.0.1:8000 (Press CTRL+C to quit)
这表示你的API已经在本地运行,可以通过浏览器或API客户端访问。
测试你的API
1. 直接访问API端点
打开浏览器访问http://127.0.0.1:8000,你会看到返回的JSON数据:
{"message": "Hello World"}
2. 使用交互式API文档
FastAPI的一个强大特性是自动生成的交互式API文档。访问以下URL可以查看:
- Swagger UI文档:
http://127.0.0.1:8000/docs - ReDoc文档:
http://127.0.0.1:8000/redoc
这些文档不仅展示了API的结构,还允许你直接测试API端点。
代码解析
让我们更详细地分析这段代码:
1. FastAPI实例
app = FastAPI()
这行代码创建了FastAPI的核心实例,所有API路由和设置都将基于这个实例。
2. 路径操作装饰器
@app.get("/")
这个装饰器告诉FastAPI:
- 处理HTTP GET请求
- 路径为根路径("/")
- 下面的函数将处理这个请求
3. 路径操作函数
async def root():
return {"message": "Hello World"}
这是一个异步函数,它处理请求并返回响应。在FastAPI中,你可以:
- 使用
async def定义异步函数 - 使用普通
def定义同步函数 - 返回Python字典,FastAPI会自动将其转换为JSON
FastAPI的核心特性
1. 自动文档生成
FastAPI基于OpenAPI标准自动生成API文档,支持:
- Swagger UI(交互式文档)
- ReDoc(替代文档界面)
- OpenAPI JSON(机器可读的API描述)
2. 类型安全
通过Python类型提示,FastAPI提供:
- 自动数据验证
- 自动数据序列化
- 编辑器支持(自动补全等)
3. 高性能
FastAPI构建在Starlette和Pydantic之上,性能接近原生Go和NodeJS。
进阶概念
1. 路径参数
你可以定义带参数的路径,如:
@app.get("/items/{item_id}")
async def read_item(item_id: int):
return {"item_id": item_id}
2. 查询参数
FastAPI自动处理URL查询参数:
@app.get("/items/")
async def read_item(skip: int = 0, limit: int = 10):
return {"skip": skip, "limit": limit}
3. 请求体
使用Pydantic模型处理请求体:
from pydantic import BaseModel
class Item(BaseModel):
name: str
description: str = None
price: float
tax: float = None
@app.post("/items/")
async def create_item(item: Item):
return item
总结
通过这篇指南,你已经学会了:
- 如何创建基本的FastAPI应用
- 如何定义路由和处理函数
- 如何运行开发服务器
- 如何测试API
- FastAPI的核心特性和优势
FastAPI的设计理念是让开发者能够快速构建高性能的API,同时保持代码的简洁和可维护性。随着你继续深入学习,你会发现更多强大的功能,如依赖注入、安全性、后台任务等。
下一步,你可以尝试添加更多路由、处理不同类型的请求,或者集成数据库来构建更复杂的应用。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00