百度不收录新网站手机网站优化

一、python的类型声明

1、类型声明的背景和作用

python 3.6+ 版本引入了“类型提示”

1、类型提示是一种新的语法，用来声明变量的类型

2、提高编译器和工具的支持能力

为什么要学习类型提示

1、了解类型提示不仅仅对使用FastAPI有帮助，也能提高代码的可读性度和可靠性有很大的帮助

类型提示的好处

1、不改变原始运行结果

2、提供更好的编译器支持和代码补全

编译器支持

1、通过类型提示，编译器可以帮助检查代码中的错误

2、例如，将int类型的age转换为str类型

以下是类型声明语法的示例代码：

# python中类型声明# 变量类型的声明
a: int = 20
b: str = '11,22'
c: list = [11, 22]
print(a)# 函数的参数和返回值的类型声明
def work(a: int, b: int) -> int:return a+b# 若不是int类型则会报错
print(work(1, 1))

2、使用场景案例

1、变量的类型声明

name: str = '张三'
age: int = 18

2、函数参数的类型声明

def work(a: int, b: int):return a+b

3、函数返回值的类型声明

def work2(name: str, age: int) -> dict:return { "名字": name, "年龄": int }def work3(datas: list) -> dict:return dict(enumerate(datas))

3、复合类型的类型声明

上面的案例只对datas这个参数做了类型声明，对于datas中的数据并没有进行任何声明，那么这种复合类型的数据类型如何进行声明呢？需要使用typing标准库声明容器数据结构的类型和子类型

# 比如 我希望datas是列表嵌套字典的数据格式：[{"name":"张三"}, {"age": 18}, {"addr":"地址"}]from typing import List, Uniondef work4(datas: List[dict]) -> dict:print(datas)return {"data": datas}work4([{"name":"张三"}, {"age": 18}])def work5(datas: List[Union[str, int]]) -> dict:print(datas)return {"data": datas}work5(['名字', 18])

4、使用自定义类型声明

class Person:def __init__(self, name: str, age: int):self.name = nameself.age = agedef get_person_info(p: Person) -> dict:return {"名字": p.name, "年龄": p.age}p = Person("张三", 18)
print(get_person_info(p))

二、Pydantic模型

1、使用方法

# fastapi关于类型校验的参数模块pydantic----中的pydantic-core专门负责校验类型
# pip install fastapifrom pydantic import BaseModel, ValidationError class Student(BaseModel):name: strage: intsex: strdef work(stu: Student):print(stu.name)print(stu.age)print(stu.sex)if __name__ == '__main__':try:s = Student(name="张三", age=[18], sex="男")except ValidationError as e:print(e.json())

此时抛出的错误为：

PS D:\py> & c:/Users/judge/myenv/Scripts/python.exe d:/py/study-1.py
[{"type":"int_type","loc":["age"],"msg":"Input should be a valid integer","input":[18],"url":"https://errors.pydantic.dev/2.11/v/int_type"}]

2、pydantic模型对象的常用操作

# 1、转换为字典
print(p.dict())
# 2、获取部分字段
res = p.dict(include={'name', 'age'})
print(type(res), res)# 3、进行序列化---->json字符串
print(p.json())
# 4、进行反序列化---->对象 exclude
res2 = p.json(include={'name', 'age'})
print(type(res2), res2)