Django Ninja 中嵌套 Schema 解析问题的解决方案
问题背景
在使用 Django Ninja 框架开发 REST API 时,开发者经常会遇到需要返回嵌套数据结构的情况。本文探讨了一个典型问题:当 Schema 中包含嵌套的 Schema 时,子 Schema 的 resolve 方法没有被正确调用的问题。
问题现象
开发者定义了一个 DetailedAlbumOut Schema,其中包含一个 ArtistOut Schema 的列表。ArtistOut Schema 中有一个 url 字段需要通过 resolve_url 方法动态计算生成。当单独使用 ArtistOut Schema 时一切正常,但在嵌套使用时,resolve_url 方法没有被调用,导致验证错误。
问题分析
通过分析问题代码,发现以下几个关键点:
-
Resolver 方法签名不正确:原始代码中的 resolve 方法只接收了
obj参数,而实际上 Django Ninja 会传递上下文对象context。 -
请求对象传递方式不当:开发者尝试通过直接为对象添加
request属性的方式来传递请求对象,这不是 Django Ninja 推荐的做法。 -
数据转换不完整:在处理输入数据时,没有正确地将 Schema 对象转换为字典,导致后续操作出现问题。
解决方案
1. 正确使用 Resolver 方法
Django Ninja 的 resolve 方法应该接收两个参数:obj 和 context。context 参数包含了请求上下文,可以通过它获取 request 对象。
@staticmethod
def resolve_url(obj, context):
artist_url = reverse("api-1.0:retrieve_artist", kwargs={"id": obj.id})
return context["request"].build_absolute_uri(artist_url)
2. 使用上下文传递请求对象
不再需要手动为对象添加 request 属性,Django Ninja 会自动将请求对象放入上下文中。
3. 完整的数据转换
在处理输入数据时,确保将 Schema 对象转换为字典:
data = payload.dict()
最佳实践
-
Resolver 方法设计:
- 总是包含
obj和context两个参数 - 从
context中获取请求对象 - 保持方法简洁,只负责计算特定字段
- 总是包含
-
嵌套 Schema 使用:
- 确保所有子 Schema 的 resolve 方法都遵循相同的参数约定
- 在测试时先单独测试子 Schema,再测试嵌套情况
-
请求处理:
- 避免直接修改模型实例添加请求对象
- 利用 Django Ninja 提供的上下文机制
总结
Django Ninja 提供了强大的 Schema 功能来处理复杂的数据结构。当遇到嵌套 Schema 的 resolve 方法不被调用的问题时,开发者应该:
- 检查 resolve 方法的参数是否正确
- 确保使用了正确的上下文传递方式
- 验证数据转换过程是否完整
通过遵循这些最佳实践,可以避免类似问题的发生,构建出更加健壮的 API 接口。
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 StartedRust0212
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 Notebook0137
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