Search Result: モデル

Results of 1 - 10 of about 30 for モデル (0.003 sec.)

モデル - より詳しく 13126: モデル - より詳しく先ほどの例に続き、複数の関連モデルを持つことが一般的です。これはユーザーモデルの場合は特にそうです。なぜなら: 入力モデル にはパスワードが必要です。出力モデル はパスワードをもつべきではありません。データベースモデル は ... ハッシュ」を保存してください。知らない方は、セキュリティの章で「パスワードハッシュ」とは何かを学ぶことができます。複数のモデル ここでは、パスワードフィールドをもつモデルがどのように見えるのか、また、どこで使われるのか、大まかなイメージを紹介します: ... ake_save_user ( user_in ) return user_saved **user_in.dict() について Pydanticの .dict() user_in は UserIn クラスのPydanticモデルです。 Pydanticモデルには、モデルのデータを含む dict を返す .dict() メソッドがあります。そこで、以下のようなPydanticオブジェ ... " ) そして呼び出すと: user_dict = user_in . dict () これで変数 user_dict のデータを持つ dict ができました。（これはPydanticモデルのオブジェクトの代わりに dict です）。そして呼び出すと: print ( user_dict ) 以下のようなPythonの dict を得ることができます: ...; https://man.mtool.work/fastapi/0.115/tutorial/extra-models/

レスポンスモデル 11892: レスポンスモデル path operations のいずれにおいても、 response_model パラメータを使用して、レスポンスのモデルを宣言することができます: @app.get() @app.post() @app.put() @app.delete() など。 Python 3.8+ from typing import Any , List , Union ... タであることに注意してください。すべてのパラメータやボディのように、 path operation関数のパラメータではありません。 Pydanticモデルの属性に対して宣言するのと同じ型を受け取るので、Pydanticモデルになることもできますが、例えば、 List[Item] のようなPydanticモ ... n で、レスポンス用のJSON Schemaを追加します。自動ドキュメントシステムで使用されます。しかし、最も重要なのは: 出力データをモデルのデータに限定します。これがどのように重要なのか以下で見ていきましょう。技術詳細レスポンスモデルは、関数の戻り値のアノテー ... ションではなく、このパラメータで宣言されています。なぜなら、パス関数は実際にはそのレスポンスモデルを返すのではなく、 dict やデータベースオブジェクト、あるいは他のモデルを返し、 response_model を使用してフィールドの制限やシ ...; https://man.mtool.work/fastapi/0.115/tutorial/response-model/

ボディ - ネストされたモデル 10316: ボディ - ネストされたモデル FastAPI を使用すると、深くネストされた任意のモデルを定義、検証、文書化、使用することができます（Pydanticのおかげです）。リストのフィールド属性をサブタイプとして定義することができます。例えば、Pythonの list は以 ... 部の型を渡します: from typing import List my_list : List [ str ] 型宣言の標準的なPythonの構文はこれだけです。内部の型を持つモデルの属性にも同じ標準の構文を使用してください。そのため、以下の例では tags を具体的な「文字列のリスト」にすることができます: P ... があったとしても、固有の項目のセットとして出力されます。また、それに応じて注釈をつけたり、文書化したりします。ネストされたモデル Pydanticモデルの各属性には型があります。しかし、その型はそれ自体が別のPydanticモデルである可能性があります。そのため、特 ... 、バリデーションを指定して、深くネストしたJSON object を宣言することができます。すべては、任意のネストにされています。サブモデルの定義例えば、 Image モデルを定義することができます: Python 3.8+ from typing import Set , Union from fastapi import FastAPI ...; https://man.mtool.work/fastapi/0.115/tutorial/body-nested-models/

リクエストボディ 10251: リクエストボディクライアント (ブラウザなど) からAPIにデータを送信する必要があるとき、データをリクエストボディ (request body) として送ります。リクエストボディはクライアントによってAPIへ送られます。レスポンスボディはAPIがクライアントに送 ... ライアントは必ずしもリクエストボディを送らなければいけないわけではありません。リクエストボディを宣言するために Pydantic モデルを使用します。そして、その全てのパワーとメリットを利用します。情報データを送るには、 POST (もっともよく使われる)、 PUT 、 ... : float | None = None app = FastAPI () @app . post ( "/items/" ) async def create_item ( item : Item ): return item データモデルの作成そして、 BaseModel を継承したクラスとしてデータモデルを宣言します。すべての属性にpython標準の型を使用します: Python ... = FastAPI () @app . post ( "/items/" ) async def create_item ( item : Item ): return item クエリパラメータの宣言と同様に、モデル属性がデフォルト値をもつとき、必須な属性ではなくなります。それ以外は必須になります。オプショナルな属性にしたい場合は None を ...; https://man.mtool.work/fastapi/0.115/tutorial/body/

ボディ - 更新 9845: ボディ - 更新 PUT による置換での更新項目を更新するには HTTPの PUT 操作を使用することができます。 jsonable_encoder を用いて、入力データをJSON形式で保存できるデータに変換することができます（例:NoSQLデータベース）。例えば、 datetime を str に ... 場合は: { "name" : "Barz" , "price" : 3 , "description" : None , } すでに格納されている属性 "tax": 20.2 を含まないため、入力モデルのデフォルト値は "tax": 10.5 です。そして、データはその「新しい」 10.5 の tax と共に保存されます。 PATCH による部分的な更新 ... ているかを多かれ少なかれ、示しています。 Pydanticの exclude_unset パラメータの使用部分的な更新を受け取りたい場合は、Pydanticモデルの .dict() の exclude_unset パラメータを使用すると非常に便利です。 item.dict(exclude_unset=True) のように。これにより、 ite ... m モデルの作成時に設定されたデータのみを持つ dict が生成され、デフォルト値は除外されます。これを使うことで、デフォルト値を省略して、 ...; https://man.mtool.work/fastapi/0.115/tutorial/body-updates/

クエリパラメータモデル 9309: クエリパラメータモデル もし関連する複数のクエリパラメータから成るグループがあるなら、それらを宣言するために、 Pydanticモデルを作成できます。こうすることで、複数の場所でそのPydanticモデルを再利用でき、バリデーションやメタデータを、す ... して一度に宣言できます。? 備考この機能は、FastAPIのバージョン 0.115.0 からサポートされています。? クエリパラメータにPydanticモデルを使用する必要な複数のクエリパラメータを Pydanticモデルで宣言し、さらに、それを Query として宣言しましょう: Python 3.10+ ... rn filter_query FastAPI は、リクエストのクエリパラメータからそれぞれのフィールドのデータを抽出し、定義された Pydanticモデルを提供します。ドキュメントの確認対話的APIドキュメント /docs でクエリパラメータを確認できます: 余分なクエリパラメータを禁 ... 定の（あまり一般的ではないかもしれない）ケースで、受け付けるクエリパラメータを制限する必要があるかもしれません。 Pydanticのモデルの Configuration を利用して、 extra フィールドを forbid とすることができます。 Python 3.10+ from typing import Annotated , L ...; https://man.mtool.work/fastapi/0.115/tutorial/query-param-models/

クッキーパラメータモデル 9260: クッキーパラメータモデル もし関連する複数のクッキーから成るグループがあるなら、それらを宣言するために、 Pydanticモデルを作成できます。? こうすることで、複数の場所でそのPydanticモデルを再利用でき、バリデーションやメタデータを、すべての ... からサポートされています。? 豆知識これと同じテクニックは Query 、 Cookie 、 Header にも適用できます。 ? クッキーにPydanticモデルを使用する必要な複数のクッキーパラメータを Pydanticモデルで宣言し、さらに、それを Cookie として宣言しましょう: Python 3. ... kie ()): return cookies FastAPI は、リクエストのクッキーからそれぞれのフィールドのデータを抽出し、定義された Pydanticモデルを提供します。ドキュメントの確認対話的APIドキュメントUI /docs で、定義されているクッキーを確認できます: 備考ブラウザがク ... クッキーを制限する必要があるかもしれません。あなたのAPIは独自のクッキー同意を管理する能力を持っています。 ?? Pydanticのモデルの Configuration を利用して、 extra フィールドを forbid とすることができます。 Python 3.9+ from typing import Annotated , Un ...; https://man.mtool.work/fastapi/0.115/tutorial/cookie-param-models/

現在のユーザーの取得 9146: 現在のユーザーの取得一つ前の章では、（依存性注入システムに基づいた）セキュリティシステムは、 path operation関数に str として token を与えていました: Python 3.8+ - non-Annotated from fastapi import Depends , FastAPI from fastapi.security i ... { "token" : token } しかし、それはまだそんなに有用ではありません。現在のユーザーを取得するようにしてみましょう。ユーザーモデルの作成まずは、Pydanticのユーザーモデルを作成しましょう。ボディを宣言するのにPydanticを使用するのと同じやり方で、Pydanticを ... 取得 get_current_user は作成した（偽物の）ユーティリティ関数を使って、 str としてトークンを受け取り、先ほどのPydanticの User モデルを返却します: Python 3.8+ - non-Annotated from typing import Union from fastapi import Depends , FastAPI from fastapi.securi ... ( "/users/me" ) async def read_users_me ( current_user : User = Depends ( get_current_user )): return current_user Pydanticモデルの User として、 current_user の型を宣言することに注意してください。その関数の中ですべての入力補完や型チェックを行う際に役に ...; https://man.mtool.work/fastapi/0.115/tutorial/security/get-current-user/

プロジェクト生成 - テンプレート 8967: プロジェクト生成 - テンプレートプロジェクトジェネレーターは、初期設定、セキュリティ、データベース、初期APIエンドポイントなどの多くが含まれているため、プロジェクトの開始に利用できます。プロジェクトジェネレーターは常に非常に意見が分かれる設 ... を用いた認証などを含む、その他多くの機能。セキュアなパスワードハッシュ化 (デフォルトで)。 JWTトークン認証。 SQLAlchemy モデル (Flask用の拡張と独立しているので、Celeryワーカーと直接的に併用できます)。基本的なユーザーモデル (任意の修正や削除が可能)。 ... グレーション。 CORS (Cross Origin Resource Sharing (オリジン間リソース共有))。 Celery ワーカー。バックエンドの残りの部分からモデルとコードを選択的にインポートし、使用可能。 Dockerと統合された Pytest ベースのRESTバックエンドテスト。データベースに依存せずに ... フルスタック FastAPI MongoDB ...時間の都合等によっては、今後作成されるかもしれません。? ? spaCyとFastAPIを使用した機械学習モデル GitHub: https://github.com/microsoft/cookiecutter-spacy-fastapi spaCyとFastAPIを使用した機械学習モデル - 機能 spaCy のNERモ ...; https://man.mtool.work/fastapi/0.115/project-generation/

JSON互換エンコーダ 8610: JSON互換エンコーダデータ型（Pydanticモデルのような）をJSONと互換性のあるもの（ dict や list など）に変更する必要がある場合があります。例えば、データベースに保存する必要がある場合です。そのために、 FastAPI は jsonable_encoder() 関数を提供 ... のため、 datetime オブジェクトは ISO形式のデータを含む str に変換されなければなりません。同様に、このデータベースはPydanticモデル（属性を持つオブジェクト）を受け取らず、 dict だけを受け取ります。そのために jsonable_encoder を使用することができます。 Py ... danticモデルのようなオブジェクトを受け取り、JSON互換版を返します: Python 3.8+ from datetime import datetime from typing import Union fro ... em ): json_compatible_item_data = jsonable_encoder ( item ) fake_db [ id ] = json_compatible_item_data この例では、Pydanticモデルを dict に、 datetime を str に変換します。呼び出した結果は、Pythonの標準の json.dumps() でエンコードできるものです。これは ...; https://man.mtool.work/fastapi/0.115/tutorial/encoder/

PREV 1 2 3 NEXT