1.基本的なBody関数

body1.py

from fastapi import Body, FastAPI

app = FastAPI()

@app.post("/items/")
async def create_item(name: str=Body(...), price: float=Body(...)):
    return {"name": name, "price": price}

「FastAPIで作るWebアプリ - validation」で述べたようにクエリパラメータの場合は**Query()関数が使われますが、リクエストボディの場合はBody()**が用いられます。

(補足2022/07/22）
(...)はPythonの値でEllipsisと呼ばれています。
PydanticとFastAPI において、Ellipsisは値の指定が必須であることを表現するために使われています。
Query Parameters and String Validations

プログラムを起動します。

uvicorn body1:app --reload

以下の正常なデータをRequestします。

curl -X 'POST' 'http://localhost:8000/items/' -H 'accept: application/json' -H 'Content-Type: application/json' -d '{"name": "Hanako", "price": 12.5}'

サーバ側は200 okで、クライアント側は以下のメッセージを受け取ります。

{"name":"Hanako","price":12.5}

2.Pydantic modelsでスマートな検証

Pydantic はデータ検証のためのPythonライブラリです。Pythonのtype hintが使われます。
前に取り上げたプログラムを再掲載して、より詳細な説明を加えます。

body2.py

from fastapi import FastAPI
from typing import Optional
from pydantic import BaseModel

app = FastAPI()

class Item(BaseModel):
    name: str
    description: Optional[str] = None
    price: float
    tax: Optional[float] = None

@app.post("/items/")
async def create_item(item: Item):
    return item

まずすべての基本となるBaseClassをimportします。
次に、それを継承する、われわれのClassであるItemを定義します。Itemの任意のプロパティはtype hintをもちます。これを基にPydanticは送られてきたBodyの検証を行います。
最後に引数item のtype hintにItemを指定します。FastAPIはRequestのBodyが型Itemを持っていると知っていて、検証を行います。

以下の正常なデータをRequestします。

curl -X 'POST' 'http://localhost:8000/items/' -H 'accept: application/json' -H 'Content-Type: application/json' -d '{"name": "Hanako", "price": 12.5}'

サーバ側は200 okで、クライアント側は以下のメッセージを受け取ります。

{"name":"Hanako","description":null,"price":12.5,"tax":null}

以下のエラーデータをRequestしてみます

curl -X 'POST' 'http://localhost:8000/items/' -H 'accept: application/json' -H 'Content-Type: application/json' -d '{"name": "Hanako", "price": "abc"}'

サーバ側は422 Unprocessable Entityを出力し、クライアント側には以下のエラーメッセージを送ります。

{"detail":[{"loc":["body","price"],"msg":"value is not a valid float","type":"type_error.float"}]}

これは個人的には結構スマートな機能だと思います。

今回は以上です。