FastAPI Backend Development Bootcamp · Lektion

Pydantic-Modelle für den Request-Body

Verwenden Sie Pydantic, um Datenschemata für eingehende POST-, PUT- und DELETE-Requests zu definieren und eine zuverlässige Datenvalidierung sicherzustellen.

Lektion 1 von 411 Schritte

Pydantic-Modelle für den Request-Body ist eine kostenlose FastAPI Backend Development Bootcamp-Lektion auf CoddyKit. Dies ist Lektion 1 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des FastAPI Backend Development Bootcamp-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der FastAPI Backend Development Bootcamp-Kurs umfasst insgesamt 4 Lektionen.

Teile dieser Lektion wurden noch nicht übersetzt und werden auf Englisch angezeigt.

API Request Bodies

When you send data to an API, like creating a new user or an item, that data is often sent in the request body.

For example, a request to create a new product might include its name, price, and description. Ensuring this incoming data is correct and valid is crucial for your application's stability and security.

Why Validate Request Data?

Validating incoming data is essential for several reasons:

Data Integrity: Ensures your database receives only correctly formatted and meaningful information.
Security: Prevents malicious or malformed data from causing errors or vulnerabilities.
User Experience: Provides clear error messages to users when their input is incorrect.
Code Reliability: Reduces bugs by guaranteeing that your application logic operates on expected data types.

Meet Pydantic

Pydantic is a Python library that provides data validation and settings management using Python type hints. It's incredibly fast and integrates seamlessly with FastAPI.

FastAPI uses Pydantic behind the scenes to:

Parse request bodies into Python objects.
Validate data types and constraints.
Generate clear error messages if validation fails.

Creating Your First Pydantic Model

To define a data structure for your request body, you create a class that inherits from Pydantic's BaseModel. You then declare fields using standard Python type hints.

This model acts as a schema, specifying what data your API expects.

Pydantic Model in Action

Let's define a simple Item model. Notice how we specify name as a string and price as a float. We'll also show how it handles validation!

from pydantic import BaseModel, ValidationError

class Item(BaseModel):
    name: str
    price: float
    description: str | None = None # Optional field

def main():
    print("--- Valid Item ---")
    try:
        item1 = Item(name="Laptop", price=1200.50)
        print(item1.model_dump_json(indent=2))
    except ValidationError as e:
        print(e.json())

    print("\n--- Invalid Item (missing price) ---")
    try:
        item2 = Item(name="Keyboard")
        print(item2.model_dump_json(indent=2))
    except ValidationError as e:
        print(e.json())

if __name__ == "__main__":
    main()

FastAPI and Pydantic Synergy

FastAPI automatically recognizes Pydantic BaseModel objects in your endpoint function parameters. When a request comes in, FastAPI:

Reads the JSON request body.
Uses your Pydantic model to parse and validate the data.
Injects the validated data as an instance of your model into your function.

It's magic!

Building a POST Endpoint

Here's how you define a POST endpoint in FastAPI that expects an Item in its request body. FastAPI handles all the parsing and validation for you!

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()

class Item(BaseModel):
    name: str
    price: float
    description: str | None = None
    tax: float | None = None

@app.post("/items/")
async def create_item(item: Item):
    # The 'item' variable is now an Item object,
    # already validated by Pydantic!
    return {"message": "Item received successfully!", "item": item.model_dump()}

# To run this application:
# 1. Save the code as main.py
# 2. Run in terminal: uvicorn main:app --reload
# 3. Send a POST request to http://127.0.0.1:8000/items/
#    with a JSON body like: {"name": "Book", "price": 29.99}

Automatic Validation & Errors

If a client sends data that doesn't match your Pydantic model (e.g., missing a required field or wrong data type), FastAPI will automatically return a detailed 422 Unprocessable Entity error response.

This error message is automatically generated and very helpful for debugging both client-side and API issues.

Optional Fields & Default Values

Not all fields in your request body need to be mandatory. You can make fields optional or provide default values:

Use field: str | None = None for optional fields that default to None.
Use field: int = 0 to set a specific default value if the field is not provided.

This flexibility allows you to design robust and user-friendly API schemas.

Pydantic Models Check

Which of the following statements about Pydantic models in FastAPI are TRUE?

Beantworte es in der interaktiven Lektion

Recap: Pydantic Power

You've learned how Pydantic models are fundamental for handling request bodies in FastAPI. They provide robust data validation, automatic parsing, and clear error messages, making your API development much smoother and more reliable.

Next, we'll explore how to define explicit response models and handle HTTP status codes for various API operations!

Kostenlos starten

Lerne FastAPI Backend Development Bootcamp mit einem KI-Tutor — kostenlos

Schreibe und führe echten Code in deinem Browser aus, bekomme sofortige Hilfe von einem 24/7 KI-Tutor und setze dein Lernen im Web oder in der App fort.

Kurse: 21
Lektionen: 84

Kostenlos lernen Den vollständigen Kurs ansehen

Häufig gestellte Fragen

Ist die Lektion „Pydantic-Modelle für den Request-Body“ kostenlos?

Ja — der vollständige Text von „Pydantic-Modelle für den Request-Body“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des FastAPI Backend Development Bootcamp-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der FastAPI Backend Development Bootcamp-Kurs umfasst insgesamt 4 Lektionen.

Was lerne ich in „Pydantic-Modelle für den Request-Body“?

Verwenden Sie Pydantic, um Datenschemata für eingehende POST-, PUT- und DELETE-Requests zu definieren und eine zuverlässige Datenvalidierung sicherzustellen. Du übst FastAPI Backend Development Bootcamp mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.

Brauche ich Erfahrung, um FastAPI Backend Development Bootcamp zu starten?

Keine Vorkenntnisse erforderlich. FastAPI Backend Development Bootcamp auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 1 von 4.

Wie lange dauert die Lektion „Pydantic-Modelle für den Request-Body“?

Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.

Kann ich in dieser FastAPI Backend Development Bootcamp-Lektion Code schreiben und ausführen?

Ja. Jede FastAPI Backend Development Bootcamp-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.

Alle Lektionen in diesem Kurs

Pydantic-Modelle für den Request-Body
Response-Modelle und Statuscodes
Formulardaten und Datei-Uploads
Header, Cookies und benutzerdefinierte Antworten

← Zurück zu FastAPI Backend Development Bootcamp