【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。
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 StartedRust0211
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 Notebook0135
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
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