FastAPI快速入门指南：Python高效Web开发新选择

引言：为什么选择FastAPI？

在Python生态中，Web框架的选择直接影响开发效率与项目性能。传统框架如Django功能全面但相对重型，Flask轻量灵活但需手动集成许多功能。而FastAPI作为新一代异步Web框架，凭借其高性能、自动API文档生成和类型提示支持，迅速成为开发者构建现代API的首选。其核心优势包括：

• 基于Starlette与Pydantic：Starlette提供异步请求处理能力，Pydantic实现数据验证与序列化。
• 自动生成OpenAPI文档：无需额外配置即可生成交互式API文档。
• 支持异步编程：完美兼容async/await语法，提升高并发场景性能。
• 类型提示增强可维护性：通过Python类型注解减少运行时错误。

一、环境准备与安装

1.1 依赖环境

FastAPI运行需Python 3.7+，推荐使用虚拟环境隔离项目依赖：

python -m venv fastapi_env
source fastapi_env/bin/activate  # Linux/macOS
# 或 fastapi_env\Scripts\activate (Windows)

1.2 安装FastAPI与ASGI服务器

FastAPI本身不包含服务器，需搭配ASGI服务器（如Uvicorn）运行：

pip install fastapi uvicorn

• FastAPI：核心框架，处理路由与逻辑。
• Uvicorn：基于Uvicorn的ASGI服务器，支持异步请求。

二、基础路由与请求处理

2.1 创建第一个API

新建main.py文件，定义一个简单GET接口：

from fastapi import FastAPI
app = FastAPI()
@app.get("/")
def read_root():
    return {"message": "Hello FastAPI!"}

运行服务：

uvicorn main:app --reload

• main:app：模块名:对象名。
• --reload：开发模式自动重载代码变更。

2.2 路径参数与查询参数

路径参数：通过{param}定义动态路径：

@app.get("/items/{item_id}")
def read_item(item_id: int):
    return {"item_id": item_id}

查询参数：通过函数参数直接获取：

@app.get("/search/")
def search_items(query: str, limit: int = 10):
    return {"query": query, "limit": limit}

三、数据验证与模型定义

3.1 使用Pydantic模型

通过BaseModel定义请求/响应数据结构：

from pydantic import BaseModel
class Item(BaseModel):
    name: str
    description: str | None = None
    price: float
    tax: float | None = None
@app.post("/items/")
def create_item(item: Item):
    item_dict = item.dict()
    if item.tax:
        price_with_tax = item.price + item.tax
        item_dict.update({"price_with_tax": price_with_tax})
    return item_dict

• 自动验证：请求体不符合模型时返回422错误。
• 序列化支持：item.dict()转换为字典。

3.2 嵌套模型与列表

支持复杂数据结构：

class User(BaseModel):
    username: str
    full_name: str | None = None
class Order(BaseModel):
    user: User
    items: list[Item]
@app.post("/orders/")
def create_order(order: Order):
    return order

四、异步编程支持

4.1 异步路由处理

使用async def定义异步接口，调用异步数据库操作：

from fastapi import FastAPI, Depends
import httpx
async def fetch_data(url: str):
    async with httpx.AsyncClient() as client:
        return await client.get(url)
@app.get("/async-data/")
async def get_async_data(url: str = "https://example.com"):
    response = await fetch_data(url)
    return response.json()

4.2 依赖注入与异步依赖

通过Depends实现依赖注入，支持异步依赖项：

async def get_db():
    # 模拟异步数据库连接
    db = {"users": []}
    yield db
    db.clear()  # 清理资源
@app.get("/users/")
async def read_users(db: dict = Depends(get_db)):
    return db["users"]

五、自动API文档与Swagger UI

5.1 访问交互式文档

启动服务后，访问以下URL：

• Swagger UI：http://127.0.0.1:8000/docs
• ReDoc：http://127.0.0.1:8000/redoc

5.2 自定义文档信息

通过FastAPI初始化参数配置文档元数据：

app = FastAPI(
    title="商品管理系统",
    description="基于FastAPI的RESTful API",
    version="1.0.0",
    contact={"name": "开发者", "url": "http://example.com"},
)

六、进阶功能与最佳实践

6.1 中间件实现

全局处理请求/响应，如记录日志：

from fastapi import Request
async def log_middleware(request: Request, call_next):
    print(f"请求路径: {request.url.path}")
    response = await call_next(request)
    print(f"响应状态码: {response.status_code}")
    return response
app.middleware("http")(log_middleware)

6.2 性能优化建议

• 启用Gzip压缩：通过Uvicorn参数--workers 4利用多核。
• 缓存响应：对静态数据使用@cache装饰器（需安装cachetools）。
• 异步数据库查询：优先使用asyncpg（PostgreSQL）或aiomysql。

七、完整示例：商品管理系统API

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
from typing import Optional
app = FastAPI()
# 模型定义
class Product(BaseModel):
    name: str
    price: float
    stock: int = 0
# 模拟数据库
fake_db = []
# 路由
@app.post("/products/")
def create_product(product: Product):
    fake_db.append(product)
    return {"message": "商品创建成功"}
@app.get("/products/{product_id}")
def get_product(product_id: int):
    if product_id >= len(fake_db):
        raise HTTPException(status_code=404, detail="商品不存在")
    return fake_db[product_id]
@app.put("/products/{product_id}")
def update_product(product_id: int, product: Product):
    if product_id >= len(fake_db):
        raise HTTPException(status_code=404, detail="商品不存在")
    fake_db[product_id] = product
    return {"message": "商品更新成功"}

总结：FastAPI的适用场景

• 高并发API服务：异步特性适合I/O密集型应用。
• 微服务架构：轻量级框架便于快速迭代。
• 机器学习模型服务：结合numpy与pandas高效处理数据。
• 实时数据推送：通过WebSocket实现双向通信。

通过本文的快速入门，开发者已掌握FastAPI的核心功能。建议进一步探索依赖注入系统、安全模块（OAuth2）和测试工具（TestClient），以构建更健壮的Web应用。