使用数据类

FastAPI 基于 Pydantic 构建，前文已经介绍过如何使用 Pydantic 模型声明请求与响应。

但 FastAPI 还可以使用数据类（dataclasses）：

{!../../../docs_src/dataclasses/tutorial001.py!}

这还是借助于 Pydantic 及其内置的 dataclasses。

因此，即便上述代码没有显式使用 Pydantic，FastAPI 仍会使用 Pydantic 把标准数据类转换为 Pydantic 数据类（dataclasses）。

并且，它仍然支持以下功能：

数据类的和运作方式与 Pydantic 模型相同。实际上，它的底层使用的也是 Pydantic。

!!! info "说明"

注意，数据类不支持 Pydantic 模型的所有功能。

因此，开发时仍需要使用 Pydantic 模型。

但如果数据类很多，这一技巧能给 FastAPI 开发 Web API 增添不少助力。🤓

`response_model` 使用数据类

在 response_model 参数中使用 dataclasses：

{!../../../docs_src/dataclasses/tutorial002.py!}

本例把数据类自动转换为 Pydantic 数据类。

API 文档中也会显示相关概图：

您还可以把 dataclasses 与其它类型注解组合在一起，创建嵌套数据结构。

还有一些情况也可以使用 Pydantic 的 dataclasses。例如，在 API 文档中显示错误。

本例把标准的 dataclasses 直接替换为 pydantic.dataclasses：

{!../../../docs_src/dataclasses/tutorial003.py!}

本例依然要从标准的 dataclasses 中导入 field；
使用 pydantic.dataclasses 直接替换 dataclasses；
Author 数据类包含 Item 数据类列表；
Author 数据类用于 response_model 参数；
其它带有数据类的标准类型注解也可以作为请求体；

本例使用的是 Item 数据类列表；
这行代码返回的是包含 items 的字典，items 是数据类列表；

FastAPI 仍能把数据序列化为 JSON；
这行代码中，response_model 的类型注解是 Author 数据类列表；

再一次，可以把 dataclasses 与标准类型注解一起使用；
注意，路径操作函数使用的是普通函数，不是异步函数；

与往常一样，在 FastAPI 中，可以按需组合普通函数与异步函数；

如果不清楚何时使用异步函数或普通函数，请参阅**急不可待？**一节中对 async 与 await 的说明；
路径操作函数返回的不是数据类（虽然它可以返回数据类），而是返回内含数据的字典列表；

FastAPI 使用（包含数据类的） response_model 参数转换响应。

把 dataclasses 与其它类型注解组合在一起，可以组成不同形式的复杂数据结构。

更多内容详见上述代码内的注释。

您还可以把 dataclasses 与其它 Pydantic 模型组合在一起，继承合并的模型，把它们包含在您自己的模型里。

本章内容自 FastAPI 0.67.0 版起生效。🔖