FastAPI Backend Development Bootcamp · Lezione

Modelli Pydantic per il request body

Usi Pydantic per definire gli schemi dei dati nelle richieste POST, PUT e DELETE in ingresso, garantendo una solida validazione dei dati.

Lezione 1 di 411 passaggi

Modelli Pydantic per il request body è una lezione FastAPI Backend Development Bootcamp gratuita su CoddyKit. Questa è la lezione 1 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento FastAPI Backend Development Bootcamp, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso FastAPI Backend Development Bootcamp include 4 lezioni in totale.

Parti di questa lezione non sono ancora state tradotte e vengono mostrate in inglese.

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?

Rispondi nella lezione interattiva

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 per iniziare

Impara FastAPI Backend Development Bootcamp con un tutor IA — gratis

Scrivi ed esegui vero codice nel tuo browser, ricevi aiuto istantaneo da un tutor IA disponibile 24/7, e riprendi da dove hai lasciato sul web o nell'app.

Corsi: 21
Lezioni: 84

Inizia a imparare gratis Visualizza il corso completo

Domande Frequenti

La lezione «Modelli Pydantic per il request body» è gratuita?

Sì — il testo completo di «Modelli Pydantic per il request body» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso FastAPI Backend Development Bootcamp, passa a CoddyKit PRO. Il corso FastAPI Backend Development Bootcamp include 4 lezioni in totale.

Cosa imparerò in «Modelli Pydantic per il request body»?

Usi Pydantic per definire gli schemi dei dati nelle richieste POST, PUT e DELETE in ingresso, garantendo una solida validazione dei dati. Eserciti FastAPI Backend Development Bootcamp con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.

Ho bisogno di esperienza per iniziare FastAPI Backend Development Bootcamp?

Non è richiesta alcuna esperienza precedente. FastAPI Backend Development Bootcamp su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 1 di 4.

Quanto tempo richiede la lezione «Modelli Pydantic per il request body»?

La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.

Posso scrivere ed eseguire codice in questa lezione FastAPI Backend Development Bootcamp?

Sì. Ogni lezione FastAPI Backend Development Bootcamp include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.

Tutte le lezioni di questo corso

Modelli Pydantic per il request body
Modelli di risposta e codici di stato
Dati dei form e upload di file
Header, cookie e risposte personalizzate

← Torna a FastAPI Backend Development Bootcamp