因为一开始用 fastapi 觉得很不错，但又觉得不是很完美，自己更喜欢 starlette，所以才写了这个库—pait。这个库核心逻辑很简单，但写了快一年，库名还被我写错了，去年 8.9 月的时候主体逻辑就写完了，然后就经历了一段 996 停了下来。经过最近不断的修修补补，勉强能用了。
pait依赖于Pydantic(但支持延迟注解)和inspect，主要功能是参数检验和文档生成。
参数检验用法跟 fastapi 差不多，文档输出功能还在逐渐完善中，理论上可以支持很多 web 框架，不过我现在基本只用 flask和starlette。
import uvicorn
from pydantic import BaseModel, conint, constr
from starlette.applications import Starlette
from starlette.responses import JSONResponse
from starlette.routing import Route
from pait.app.starlette import pait
from pait.field import Body
# 创建一个基于 Pydantic.BaseModel 的 Model
class PydanticModel(BaseModel):
uid: conint(gt=10, lt=1000) # 自动校验类型是否为 int,且是否大于 10 小于 1000
user_name: constr(min_length=2, max_length=4) # 自动校验类型是否为 str, 且长度是否大于等于 2,小于等于 4
# 使用 pait 装饰器装饰函数
@pait()
async def demo_post(
# pait 通过 Body()知道当前需要从请求中获取 body 的值,并赋值到 model 中,
# 而这个 model 的结构正是上面的 PydanticModel,他会根据我们定义的字段自动获取值并进行转换和判断
model: PydanticModel = Body.i()
):
# 获取对应的值进行返回
return JSONResponse({'result': model.dict()})
app = Starlette(
routes=[
Route('/api', demo_post, methods=['POST']),
]
)
uvicorn.run(app)
Select Language