用官方的话来说，FastAPI 是一种现代，快速（高性能）的 Web 框架，基于标准Python 类型提示使用 Python 3.6+ 构建 API

FastAPI 站在巨人的肩膀上？

很大程度上来说，这个巨人就是指 Flask 框架。

FastAPI 从语法上和 Flask 非常的相似，有异曲同工之妙。

技术背景：Py3.6+，Starlette，Pydantic

其实不仅仅是 FastAPI ，就连 Sanic 也是基于 Flask 快速开发的 Web API 框架。

废话少说，代码总是能给人带来愉悦感 (抱头)，直接开怼。

安装

pip install fastapi 
pip install uvicorn

创建一个 main.py 文件

from fastapi import FastAPIapp = FastAPI() # 创建 api 对象
@app.get("/") # 根路由def root():   
 return {"武汉": "加油！！！"}
@app.get("/say/{data}")def say(data: str,q: int):    
return {"data": data, "item": q}

上面搭建了一个最简单的 FastAPI 应用，看起来和 Flask 完全一样，莫名的喜感。

使用以下命令来启动服务器：

uvicorn main:app --reload

FastAPI 推荐使用 uvicorn 来运行服务，Uvicorn 是基于uvloop 和 httptools 构建的闪电般快速的 ASGI 服务器。

uvicorn main:app 指的是：

main：文件main.py

app:  创建的启用对象

--reload:  热启动，方便代码的开发

启动界面如下：

INFO 信息告诉我们已经监听了本地的 8000 端口，访问 http://127.0.0.1:8000 得到结果

传入参数

再来看看 FastAPI 的异步代码

from fastapi import FastAPIapp = FastAPI() # 创建 api 对象
@app.get("/") # 根路由async def root():    
return {"武汉": "加油！！！"}
@app.get("/say/{data}")async def say(data: str,q: int = None):   
 return {"data": data, "q": q}

开启服务后访问结果是一样的。

在上面的路由方法中，我们传入了一个 q 参数并且初始为 None，如果不给默认值，并且不传参，代码将直接报错。

来看看 FastAPI 是如何处理错误的：

可以看到，即使是报错，也是优美的输入一个带有错误字段的 JSON，这就非常的友好了，这也是体现了 FastAPI 减少更多的人为错误的特性，返回也更加的简洁直观。

在命令行输出：

再来看看 FastAPI 的交互文档

根据官方文档，打开 http://127.0.0.1:8000/docs

看到：

支持动态传入数据：

结果：

从交互体验上也是无比的友好，让代码在生产中更加健壮。

现在我们算是快速的体验了一波 FastAPI 骚操作，从代码上和 Flask 及其的类似，体验性更好。

那么再来看看最新的 Python web框架的性能响应排行版

从并发性上来说是完全碾压了 Flask (实际上也领先了同为异步框架的tornado 不少)，看来 FastAPI 也真不是盖的，名副其实的高性能 API 框架呀！

查询参数

先来看看官方小 demo

from fastapi import FastAPI
app = FastAPI()fake_items_db = [{"item_name": "Foo"}, {"item_name": "Bar"}, {"item_name": "Baz"}]
@app.get("/items/")
async def read_item(skip: int = 0, limit: int = 10):    
return fake_items_db[skip : skip + limit]

该查询是 ? URL中位于关键字之后的一组键值对，以&字符分隔。

在 url 中进行查询

http://127.0.0.1:8000/items/?skip=0&limit=10

skip：查询的起始参数

limit：查询的结束参数

成功返回查询列表。

查询参数类型转换

FastAPI 非常聪明，足以辨别 路径参数 和 查询参数。

来看看具体的例子：

from fastapi import FastAPI
app = FastAPI()
@app.get("/items/{item_id}")
async def read_item(item_id: str, q: str = None, short: bool = False):    
item = {"item_id": item_id}   
 if q:        
item.update({"q": q})    
if not short:        
item.update(           
 {"description": "This is an amazing item that has a long description"}        
)    
return item

看看其访问路径，执行以下的任何一种 url 访问方式

http://127.0.0.1:8000/items/武汉加油?short=1

http://127.0.0.1:8000/items/武汉加油?short=True

http://127.0.0.1:8000/items/武汉加油?short=true

http://127.0.0.1:8000/items/武汉加油?short=on

http://127.0.0.1:8000/items/武汉加油?short=yes

可以发现任何大小写的字母等都会被转换成 bool 值的参数 True，这就是所谓模糊验证参数，对于开发者来说这是个好消息。

要知道的是，如果 short 参数没有默认值，则必须传参，否则 FastAPI 将会返回类似以下的错误信息。

{    
    "detail": [        
    {            
    "loc": [                
    "query",                
    "needy"            
],           
     "msg": "field required",            
    "type": "value_error.missing"       
     }    
]}

创建数据模型

前面说到 FastAPI 依赖 Pydantic 模块，所以首先，你需要导入 Pydantic 的 BaseModel 类。

from fastapi import FastAPI
from pydantic import BaseModel
# 请求主体类
class Item(BaseModel):    
name: str = "武汉加油 ！！"    
description: str = None    
price: float = 233   
tax: float = Noneapp = FastAPI()
@app.post("/items/")
async def create_item(item: Item):    
return item

发送 post 请求来提交一个 Item(请求主体) 并返回，来看看提交过程。

成功提交并返回 200 状态码

请求主体+路径+查询参数，在请求主体的基础上加入 url 动态路径参数 和 查询参数

from fastapi import FastAPI
from pydantic import BaseModelclass 

Item(BaseModel):    
name: str    
description: str = None   
 price: float   
 tax: float = Noneapp = FastAPI()
@app.put("/items/{item_id}")
async def create_item(item_id: int, item: Item, q: str = None):    
result = {"item_id": item_id, **item.dict()}   
 if q:       
 result.update({"q": q})   
 return result

put 方法用于更新，传入参数后成功返回一个字典。

关于模板引擎

FastAPI 不像 Flask 那样自带 模板引擎(Jinja2)，也就是说没有默认的模板引擎，从另一个角度上说，FastAPI 在模板引擎的选择上变得更加灵活，极度舒适。

以 Jinja2 模板为例

安装依赖

pip install jinja2
pip install aiofiles # 用于 fastapi 的异步静态文件

具体的用法

# -*- coding:utf-8 -*-
from fastapi import FastAPI, Request
from fastapi.staticfiles import StaticFiles
from fastapi.templating import Jinja2Templates
import uvicorn
app = FastAPI()app.mount("/static", StaticFiles(directory="static"), name="static") # 挂载静态文件，指定目录templates = Jinja2Templates(directory="templates") # 模板目录@app.get("/data/{data}")
async def read_data(request: Request, data: str):   
 return templates.TemplateResponse("index.html", {"request": request, "data": data})

if __name__ == '__main__':    
uvicorn.run(app, host="127.0.0.1", port=8000)

html 文件渲染

<html>
<head>    
<title>武汉加油</title>
</head>
<body>   
 <h1>高呼: {{ data }}</h1>
</body>
</html>

在浏览器键入 http://127.0.0.1:8000/data/武汉加油

值得注意的是，在返回的 TemplateRespone 响应时，必须带上 request 的上下文对象，传入参数放在同一字典。

这样一来，又可以像 Flask 一样的使用熟悉的 Jinja2 了，哈哈。

做个小总结的话就是 FastAPI 在用法上也是及其简单，速度更快，性能更好，容错率更高，整体上更牛逼。但是我在设想如此之快的框架，毕竟发布的时间不长，缺少像 Flask 框架的第三方库和各种插件，所以要想真正意义上替代还是需要一定的时间。

FastAPI 的官方文档有详细的介绍和实例，入门篇到此结束。