DRF_3 反序列化过程

反序列化: 将从 前端获取到的数据对象转化为 模型类字段,对其进行CRUD操作。

对 验证过程 和 保存过程 进行封装

数据来源:前端传递过来(接口中规定了前端传递的数据 --> 因为模型类中规定字段内容)

  1. 参数说明:
  • read_only = True:只参与反序列化过程,不参与序列化过程[get 无返回值 ]
  • write_only = True:只参与序列化返回过程,不参与序列化返回过程[get 有返回值 参与验证和保存]
  • max_length:最大长度
  • min_length:最小长度
  • min_value:最小值
  • max_value:最大值
  • default:默认值
  • safe=False
  1. 使用步骤
  1. 获取前端数据
  2. 验证数据
    1. 将数据传递给序列化器 ser = BookSerializer(data=data_dict)
    2. 验证数据 ser.is_vaild(raise_exception=True) raise_exception=True :自动抛出错误
    3. ser.errors 查看验证错误原因
  3. 保存数据
    • ser.save()
  4. 返回数据
    • retuen JsonResponse(data, safe=False) safe=False:

2.1 验证数据

序列化器中 定义验证方法

  1. 单一字段验证def validate_字段名(self, value) value(接收字段为传递过来的字段)
  2. 多个字段验证def validate(self, attrs) attrs(接收字段为序列化器定义字段)

注意:

  • raise serializers.ValidationError('提示信息') 抛出错误信息
  • is_valid() 序列化器验证方法,执行is_valid() 是 会自动调用serializer中的 validate_btitle(value) | validate(attrs) 进行验证

2.2 保存数据

  1. serializers.py 在 序列化器 中创建 create(validated_data) 保存方法, 方法中书写保存业务逻辑 并且返回数据对象return book
  2. views.py 中调用 ser.save()

2.3 更新数据

  1. 接收前端传递的验证数据
  2. 查询更新哪个对象 book = BookInfo.objects.get(pk=id)
  3. 将数据对象和要更新的数据对象,初始化传递给序列化器 ser=BookSerializer(book,data=book_dict)
  4. 验证数据 ser.is_valid(raise_exception=True)
  5. 序列化器调用 save() 方法进行更新操作
  6. 序列化结果返回

注意:

  • 保存不需要传递数据对象
  • 更新需要传递数据对象
  • 保存和更新都是调用save()方法, 更新操作 update(instance, validated_date) 和保存操作 save(validated_date) 传递的参数不一致
  • update(instance, validated_date)更新数据操作 instance.btitle=validated_data['btitle']

模型类序列化器 ModelSerializer

ModelSerializer与常规的Serializer相同,但提供了:

  • 基于模型类自动生成一系列字段
  • 基于模型类自动为Serializer生成validators,比如unique_together
  • 包含默认的create()和update()的实现
from rest_framework import serializers
from .models import BookInfo


class BookModelSerialize(serializers.ModelSerializer):
   """
    serializer 高级用法 继承 ModelSerializer 自动生成模型类
  """

  # 显示指明字段 显示指定后的字段
  # bcomment = serializers.IntegerField(max_value=1000, min_value=50)

  # 根据模型类生成序列化器字段 ---> python manage.shell 中查看
  class Meta:
      model = BookInfo  # model --> 根据哪个模型类生成
      # 生成哪个字段
      # fields = "__all__" # 返回所有字段
      # fields = ('id', 'btitle')  # 指定返回字段
      exclude = ('bread', )  # 生成除了id btitle 字段外,取反操作
      read_only_fields = ('bcomment',)  # 增加read_only=True
      # 添加额外参数
      extra_kwargs = {
          'is_delete': {
              'default': False
          }
      }
  • 序列化器本质上就是一个类,将序列化和反序列化涉及到的方法封装起来

from rest_framework import serializers


class Serialzier(serializers):
   # 验证方法 单一字段验证 多个字段验证
   # 保存方法 create
   # 更新方法 update
   # 序列化方法 data
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,293评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,604评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,958评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,729评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,719评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,630评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,000评论 3 397
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,665评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,909评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,646评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,726评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,400评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,986评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,959评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,197评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,996评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,481评论 2 342

推荐阅读更多精彩内容