Django REST Framework 教程:序列化入门指南
2026-02-04 04:47:30作者:凤尚柏Louis
前言
在构建Web API时,数据序列化是一个核心概念。本文将带你深入了解Django REST Framework中的序列化机制,通过构建一个简单的代码片段API,掌握序列化的基本原理和实践技巧。
环境准备
在开始之前,我们需要设置开发环境:
- 创建并激活虚拟环境(推荐使用Python内置的venv模块)
- 安装必要的依赖包:
- Django:Web框架基础
- Django REST Framework:构建RESTful API的核心工具
- Pygments:代码高亮库(用于我们的代码片段功能)
项目初始化
-
创建Django项目和应用:
django-admin startproject tutorial cd tutorial python manage.py startapp snippets -
将应用添加到配置中: 修改
settings.py文件,添加'rest_framework'和'snippets'到INSTALLED_APPS
数据模型设计
我们首先定义一个简单的代码片段模型:
from django.db import models
from pygments.lexers import get_all_lexers
from pygments.styles import get_all_styles
class Snippet(models.Model):
created = models.DateTimeField(auto_now_add=True)
title = models.CharField(max_length=100, blank=True, default='')
code = models.TextField()
linenos = models.BooleanField(default=False)
language = models.CharField(max_length=100)
style = models.CharField(max_length=100)
class Meta:
ordering = ['created']
这个模型包含:
- 创建时间(自动记录)
- 可选的标题
- 代码内容
- 是否显示行号
- 编程语言(从Pygments获取支持的语言列表)
- 代码高亮样式
创建并应用迁移:
python manage.py makemigrations snippets
python manage.py migrate
序列化器基础
序列化器是Django REST Framework的核心组件之一,它负责:
- 将复杂数据类型(如模型实例)转换为Python原生数据类型
- 将Python原生数据类型转换为复杂数据类型
- 验证输入数据
基本序列化器
创建一个serializers.py文件,定义我们的第一个序列化器:
from rest_framework import serializers
from snippets.models import Snippet
class SnippetSerializer(serializers.Serializer):
id = serializers.IntegerField(read_only=True)
title = serializers.CharField(required=False, allow_blank=True, max_length=100)
code = serializers.CharField(style={'base_template': 'textarea.html'})
linenos = serializers.BooleanField(required=False)
language = serializers.ChoiceField(choices=LANGUAGE_CHOICES, default='python')
style = serializers.ChoiceField(choices=STYLE_CHOICES, default='friendly')
def create(self, validated_data):
return Snippet.objects.create(**validated_data)
def update(self, instance, validated_data):
# 更新各个字段
instance.save()
return instance
这个序列化器:
- 定义了与模型对应的字段
- 实现了create()和update()方法
- 包含字段验证逻辑
- 使用style参数控制表单显示方式
序列化器使用示例
在Django shell中体验序列化器:
from snippets.models import Snippet
from snippets.serializers import SnippetSerializer
from rest_framework.renderers import JSONRenderer
from rest_framework.parsers import JSONParser
# 创建并序列化一个代码片段
snippet = Snippet(code='print("Hello World")')
serializer = SnippetSerializer(snippet)
serializer.data # 查看序列化后的数据
# 将数据渲染为JSON
content = JSONRenderer().render(serializer.data)
# 反序列化过程
stream = BytesIO(content)
data = JSONParser().parse(stream)
serializer = SnippetSerializer(data=data)
serializer.is_valid() # 验证数据
serializer.save() # 保存数据
模型序列化器简化
注意到我们的SnippetSerializer中很多代码与模型定义重复,DRF提供了ModelSerializer来简化这一过程:
class SnippetSerializer(serializers.ModelSerializer):
class Meta:
model = Snippet
fields = ['id', 'title', 'code', 'linenos', 'language', 'style']
ModelSerializer会自动:
- 根据模型生成对应字段
- 生成默认的create()和update()实现
- 包含默认的验证逻辑
创建API视图
现在我们使用序列化器创建基本的API视图:
from django.http import HttpResponse, JsonResponse
from django.views.decorators.csrf import csrf_exempt
from rest_framework.parsers import JSONParser
from snippets.models import Snippet
from snippets.serializers import SnippetSerializer
@csrf_exempt
def snippet_list(request):
"""
列出所有代码片段或创建新片段
"""
if request.method == 'GET':
snippets = Snippet.objects.all()
serializer = SnippetSerializer(snippets, many=True)
return JsonResponse(serializer.data, safe=False)
elif request.method == 'POST':
data = JSONParser().parse(request)
serializer = SnippetSerializer(data=data)
if serializer.is_valid():
serializer.save()
return JsonResponse(serializer.data, status=201)
return JsonResponse(serializer.errors, status=400)
@csrf_exempt
def snippet_detail(request, pk):
"""
获取、更新或删除一个代码片段
"""
try:
snippet = Snippet.objects.get(pk=pk)
except Snippet.DoesNotExist:
return HttpResponse(status=404)
if request.method == 'GET':
serializer = SnippetSerializer(snippet)
return JsonResponse(serializer.data)
elif request.method == 'PUT':
data = JSONParser().parse(request)
serializer = SnippetSerializer(snippet, data=data)
if serializer.is_valid():
serializer.save()
return JsonResponse(serializer.data)
return JsonResponse(serializer.errors, status=400)
elif request.method == 'DELETE':
snippet.delete()
return HttpResponse(status=204)
配置URL路由后,我们就可以通过HTTP请求与API交互了。
测试API
启动开发服务器后,可以使用curl或httpie等工具测试API:
获取所有片段:
http http://127.0.0.1:8000/snippets/
获取特定片段:
http http://127.0.0.1:8000/snippets/1/
创建新片段:
http POST http://127.0.0.1:8000/snippets/ code="print(123)"
总结
通过本教程,我们学习了:
- 如何定义序列化器来转换模型数据
- 使用ModelSerializer简化序列化器定义
- 创建基本的API视图处理CRUD操作
- 测试API端点
虽然这只是一个基础实现,但已经展示了Django REST Framework的核心概念。在后续教程中,我们将介绍更高级的功能,如视图集、路由器和认证等,以构建更加强大和安全的API。
登录后查看全文
热门项目推荐
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 StartedRust0447
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0766
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0312
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Markdown
827
5.48 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
494
515
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
783
1.57 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
800
1.14 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
970
2.28 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
480
312
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.01 K
766
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
808
CANN 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 Notebook
647
284