一、FastAPI简介：为何选择它？

FastAPI是近年来Python生态中崛起的一款高性能Web框架，专为构建API而设计。它基于Starlette（ASGI框架）和Pydantic（数据验证库），结合了现代Python的异步特性（async/await）与类型提示（Type Hints），在性能上接近Go/Node.js，同时保持了Python的简洁语法。

核心优势：

1. 性能卓越：FastAPI的请求处理速度比Flask/Django快数倍，尤其适合高并发场景。
2. 自动生成API文档：内置OpenAPI/Swagger支持，无需额外配置即可生成交互式文档。
3. 类型安全：依赖Pydantic实现强类型数据验证，减少运行时错误。
4. 异步支持：原生支持async/await，适合I/O密集型任务（如数据库查询、外部API调用）。
5. 开发效率高：代码简洁，减少样板代码，适合快速迭代。

二、安装与配置：快速上手

1. 环境准备

确保已安装Python 3.7+（推荐3.10+），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/Mac
# 或 fastapi_env\Scripts\activate (Windows)

2. 安装FastAPI与Uvicorn

FastAPI依赖Uvicorn作为ASGI服务器运行：

pip install fastapi uvicorn

3. 创建第一个API

新建main.py文件，写入以下代码：

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

4. 运行服务

使用Uvicorn启动服务：

uvicorn main:app --reload

• main:app：main是文件名，app是FastAPI实例。
• --reload：开发模式下自动重载代码变更。

访问http://127.0.0.1:8000，你将看到返回的JSON响应。同时，访问http://127.0.0.1:8000/docs可查看自动生成的Swagger文档。

三、基础路由与参数处理

1. 路径参数与查询参数

from fastapi import FastAPI, Query
app = FastAPI()
# 路径参数
@app.get("/items/{item_id}")
async def read_item(item_id: int):
    return {"item_id": item_id}
# 查询参数（可选）
@app.get("/search/")
async def search_items(q: str = None, limit: int = 10):
    results = {"query": q, "limit": limit}
    return results

• item_id: int：类型注解自动将字符串转换为整数。
• q: str = None：可选查询参数，默认值为None。

2. 请求体（Pydantic模型）

使用Pydantic定义数据模型，实现类型安全的请求体验证：

from pydantic import BaseModel
class Item(BaseModel):
    name: str
    description: str | None = None
    price: float
    tax: float | None = None
@app.post("/items/")
async 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

• 发送POST请求时，FastAPI会自动将JSON请求体解析为Item对象。

四、数据验证与模型

1. 内置验证器

Pydantic支持丰富的字段验证：

from pydantic import BaseModel, EmailStr, conint
class User(BaseModel):
    age: conint(ge=18, le=120)  # 18-120之间的整数
    email: EmailStr  # 自动验证邮箱格式
    password: str = Query(..., min_length=8)  # 密码至少8位

2. 嵌套模型

支持复杂数据结构：

class Address(BaseModel):
    street: str
    city: str
class UserWithAddress(BaseModel):
    username: str
    address: Address

五、依赖注入与中间件

1. 依赖注入系统

FastAPI的依赖注入系统可复用代码并管理资源（如数据库连接）：

from fastapi import Depends, HTTPException
def verify_token(token: str):
    if token != "secret-token":
        raise HTTPException(status_code=400, detail="Invalid token")
    return token
@app.get("/secure/")
async def secure_endpoint(token: str = Depends(verify_token)):
    return {"message": "Access granted"}

2. 中间件

全局处理请求/响应：

from fastapi import Request
async def log_middleware(request: Request, call_next):
    print(f"Request path: {request.url.path}")
    response = await call_next(request)
    print(f"Response status: {response.status_code}")
    return response
app.middleware("http")(log_middleware)

六、实际项目中的应用建议

1. 项目结构：

   /project
       /app
           __init__.py
           main.py
           /models.py
           /routers
               __init__.py
               items.py
               users.py
           /dependencies
               __init__.py
               auth.py

2. 异步数据库操作：
   结合asyncpg或SQLAlchemy 2.0实现非阻塞数据库访问：

   from fastapi import Depends
   from databases import Database
   database = Database("postgresql://user:password@localhost/db")
   async def get_db():
       await database.connect()
       try:
           yield database
       finally:
           await database.disconnect()
   @app.get("/items/")
   async def read_items(db: Database = Depends(get_db)):
       query = "SELECT * FROM items"
       return await db.fetch_all(query)

3. 测试与CI/CD：

   • 使用pytest编写单元测试。
   • 结合httpx模拟API调用：

     import httpx
     async def test_read_items():
         async with httpx.AsyncClient(app=app, base_url="http://test") as ac:
             response = await ac.get("/items/")
         assert response.status_code == 200

七、总结与进阶方向

FastAPI通过其现代化设计，成为构建高性能API的首选框架。本文覆盖了从安装到高级特性的核心内容，但FastAPI的生态远不止于此。建议进一步探索：

• WebSocket支持：实时通信。
• GraphQL集成：通过strawberry-fastapi实现。
• 任务队列：结合Celery处理后台任务。
• 部署优化：使用Docker、Kubernetes或云服务（如AWS Lambda）部署。

通过实践与持续学习，FastAPI将显著提升你的API开发效率与代码质量。