* 🌐 Update translations for ru (update-outdated) * 🎨 Auto format * Apply suggestions from code review * Apply suggestions from code review 2 * Apply suggestions from code review 3 --------- Co-authored-by: github-actions[bot] <github-actions[bot]@users.noreply.github.com> Co-authored-by: Motov Yurii <109919500+YuriiMotov@users.noreply.github.com>
7.3 KiB
Body - Обновления
Обновление с заменой при помощи PUT
Чтобы обновить элемент, вы можете использовать операцию HTTP PUT.
Вы можете использовать jsonable_encoder, чтобы преобразовать входные данные в данные, которые можно сохранить как JSON (например, в NoSQL-базе данных). Например, преобразование datetime в str.
{* ../../docs_src/body_updates/tutorial001_py310.py hl[28:33] *}
PUT используется для получения данных, которые должны заменить существующие данные.
Предупреждение о замене
Это означает, что если вы хотите обновить элемент bar, используя PUT с телом, содержащим:
{
"name": "Barz",
"price": 3,
"description": None,
}
поскольку оно не включает уже сохраненный атрибут "tax": 20.2, входная модель примет значение по умолчанию "tax": 10.5.
И данные будут сохранены с этим «новым» tax, равным 10.5.
Частичное обновление с помощью PATCH
Также можно использовать операцию HTTP PATCH для частичного обновления данных.
Это означает, что можно передавать только те данные, которые необходимо обновить, оставляя остальные нетронутыми.
/// note | Технические детали
PATCH менее распространен и известен, чем PUT.
А многие команды используют только PUT, даже для частичного обновления.
Вы можете свободно использовать их как угодно, FastAPI не накладывает никаких ограничений.
Но в данном руководстве более или менее понятно, как они должны использоваться.
///
Использование параметра exclude_unset в Pydantic
Если вы хотите получать частичные обновления, очень полезно использовать параметр exclude_unset в .model_dump() модели Pydantic.
Например, item.model_dump(exclude_unset=True).
В результате будет сгенерирован dict, содержащий только те данные, которые были заданы при создании модели item, без учета значений по умолчанию.
Затем вы можете использовать это для создания dict только с теми данными, которые были установлены (отправлены в запросе), опуская значения по умолчанию:
{* ../../docs_src/body_updates/tutorial002_py310.py hl[32] *}
Использование параметра update в Pydantic
Теперь можно создать копию существующей модели, используя .model_copy(), и передать параметр update с dict, содержащим данные для обновления.
Например, stored_item_model.model_copy(update=update_data):
{* ../../docs_src/body_updates/tutorial002_py310.py hl[33] *}
Кратко о частичном обновлении
В целом, для применения частичных обновлений необходимо:
- (Опционально) использовать
PATCHвместоPUT. - Извлечь сохранённые данные.
- Поместить эти данные в Pydantic-модель.
- Сгенерировать
dictбез значений по умолчанию из входной модели (с использованиемexclude_unset).- Таким образом, можно обновлять только те значения, которые действительно установлены пользователем, вместо того чтобы переопределять уже сохраненные значения значениями по умолчанию из вашей модели.
- Создать копию хранимой модели, обновив ее атрибуты полученными частичными обновлениями (с помощью параметра
update). - Преобразовать скопированную модель в то, что может быть сохранено в вашей БД (например, с помощью
jsonable_encoder).- Это сравнимо с повторным использованием метода модели
.model_dump(), но при этом происходит проверка (и преобразование) значений в типы данных, которые могут быть преобразованы в JSON, например,datetimeвstr.
- Это сравнимо с повторным использованием метода модели
- Сохранить данные в своей БД.
- Вернуть обновленную модель.
{* ../../docs_src/body_updates/tutorial002_py310.py hl[28:35] *}
/// tip | Подсказка
На самом деле эту же технику можно использовать и для операции HTTP PUT.
Но в приведенном примере используется PATCH, поскольку он был создан именно для таких случаев использования.
///
/// note | Технические детали
Обратите внимание, что входная модель по-прежнему валидируется.
Таким образом, если вы хотите получать частичные обновления, в которых могут быть опущены все атрибуты, вам необходимо иметь модель, в которой все атрибуты помечены как необязательные (со значениями по умолчанию или None).
Чтобы отличить модели со всеми необязательными значениями для обновления от моделей с обязательными значениями для создания, можно воспользоваться идеями, описанными в Дополнительные модели{.internal-link target=_blank}.
///