FastAPI Backend Development Bootcamp · Pelajaran

Model Pydantic untuk Isi Permintaan

Gunakan Pydantic untuk menentukan skema data bagi permintaan POST, PUT, dan DELETE yang masuk, sekaligus memastikan validasi data yang andal.

Pelajaran 1 dari 411 langkah

Model Pydantic untuk Isi Permintaan adalah pelajaran FastAPI Backend Development Bootcamp gratis di CoddyKit. Ini adalah pelajaran 1 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar FastAPI Backend Development Bootcamp, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus FastAPI Backend Development Bootcamp mencakup 4 pelajaran total.

Bagian dari pelajaran ini belum diterjemahkan dan ditampilkan dalam bahasa Inggris.

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?

Jawab di pelajaran interaktif

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!

Gratis untuk memulai

Belajar FastAPI Backend Development Bootcamp dengan tutor AI — gratis

Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.

Kursus: 21
Pelajaran: 84

Mulai belajar gratis Lihat kursus lengkapnya

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Model Pydantic untuk Isi Permintaan” gratis?

Ya — teks lengkap “Model Pydantic untuk Isi Permintaan” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus FastAPI Backend Development Bootcamp, upgrade ke CoddyKit PRO. Kursus FastAPI Backend Development Bootcamp mencakup 4 pelajaran total.

Apa yang akan aku pelajari di “Model Pydantic untuk Isi Permintaan”?

Gunakan Pydantic untuk menentukan skema data bagi permintaan POST, PUT, dan DELETE yang masuk, sekaligus memastikan validasi data yang andal. Kamu berlatih FastAPI Backend Development Bootcamp dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai FastAPI Backend Development Bootcamp?

Tidak diperlukan pengalaman sebelumnya. FastAPI Backend Development Bootcamp di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 1 dari 4.

Berapa lama pelajaran “Model Pydantic untuk Isi Permintaan” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran FastAPI Backend Development Bootcamp ini?

Ya. Setiap pelajaran FastAPI Backend Development Bootcamp menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

← Kembali ke FastAPI Backend Development Bootcamp