FastAPI 快速学习之 Flask 框架对比

- 一、前言
- 二、FastAPI 优势
- 三、Hello World
- 四、HTTP 方法
- 五、URL 变量
- 六、查询字符串
- 七、POST 请求
- 八、文件上传
- 九、表单提交
- 十、Cookies
- 十一、模块化视图
- 十二、数据校验
- 十三、自动化文档
- - Swagger 风格
  - ReDoc 风格
- 十四、CORS跨域

一、前言

本文主要对 FastAPI 与 Flask 框架进行对比，以助快速学习。进一步了解FastAPI的高级使用方法，可参考FastAPI官方文档。如果对你有帮助，欢迎三连 收藏点赞关注！！！

Flask作为Python语言中的老牌Web框架，已经被应用于大量的Python Web开发项目，其使用简洁，支持工具众多，工具丰富，社区活跃，是Python Web框架中的佼佼者之一。而近来，FastAPI的出众表现，已使得其越来越受到众多开发者的关注，成为Web开发主流框架之一。

---- NickYoung

二、FastAPI 优势

高效运行：可与 NodeJS 和 Go 并肩的极高性能（归功于 Starlette 和 Pydantic）。史称最快的 Python web 框架之一。
高效编码：提高功能开发速度约 200％至 300％。
更少 bug：减少约 40％的人为（开发者）导致错误。
直观易用：支持强大的编辑器功能、自动补全和更少的调试时间。
简单易学：设计的易于使用和学习，阅读文档的时间更短。
降低冗余：使代码重复最小化。通过不同的参数声明实现丰富功能。
健壮可靠：生产可用级别的代码。还有自动生成的交互式文档。
标准化：基于（并完全兼容）API 的相关开放标准：OpenAPI (以前被称为 Swagger) 和 JSON Schema。

下面将会结合Flask的使用作为对比，来介绍FastAPI，作为FastAPI的入门教程。
本文使用的两个Web框架版本如下：

fastapi==0.101.1
Flask==2.3.3

三、Hello World

Flask 代码

from flask import Flask

app = Flask(__name__)

@app.route('/')
def home():
    return 'hello world'

if __name__ == '__main__':
    app.run()

FastAPI 代码

import uvicorn
from fastapi import FastAPI

app = FastAPI()


@app.get('/')
def home():
    return 'hello world'


if __name__ == '__main__':
    uvicorn.run(app)

两者的代码差别不多，运行时Flask的默认端口为5000，FastAPI的端口为8000，使用curl命令请求（FastAPI），返回结果如下：

$ curl localhost:8000/
"hello world"

在部署生产代码时，Flask使用gunicorn，示例命令如下：
gunicorn app:app
而FastAPI使用uvicorn，示例命令如下：
uvicorn app:app
当然，在实际部署时还可指定端口（port）、worker数量、最大连接数等，本文不再详述。

四、HTTP 方法

常见的HTTP请求方法有GET, POST, PUT, PATCH, DELETE等。
以POST方法为例

Flask 代码

@app.route('/', methods=['POST'])
def example():
    ...

FastAPI 代码

@app.post('/')
def example():
    ...

其它HTTP请求方法的使用方法如下：

@app.get('/')
@app.put('/')
@app.patch('/')
@app.delete('/')

五、URL 变量

我们想从URL中获取user id，比如/users/1，然后将user id返回给用户。

Flask 代码

@app.route('/users/<int:user_id>')
def get_user_details(user_id):
    return {'user_id': user_id}

FastAPI 代码

@app.get('/users/{user_id}')
def get_user_details(user_id: int):
    return {'user_id': user_id}

使用curl命令模拟请求如下：

$ curl localhost:8000/users/2
{"user_id":2}

六、查询字符串

我们希望允许用户在URL中使用查询字符串 ?q=abc 来指定搜索词。

Flask 代码

from flask import request

@app.route('/search')
def search():
    query = request.args.get('q')
    return {'query': query}

FastAPI 代码

@app.get('/search')
def search(q: str):
    return {'query': q}

使用curl命令模拟请求如下：

$ curl 'localhost:8000/search?q=abcde'
{"query":"abcde"}

如果要指定多个搜索词，可以&符号隔开，比如：?name=Jack&id=1

七、POST 请求

我们希望发送一个带有text参数JSON POST请求，返回其小写形式。

# Request
{"text": "HELLO"}

# Response
{"text": "hello"}

Flask 代码

from flask import request

@app.route('/lowercase', methods=['POST'])
def lower_case():
    text = request.json.get('text')
    return {'text': text.lower()}

FastAPI 代码

from typing import Dict

@app.post('/lowercase')
def lower_case(json_data: Dict):
    text = json_data.get('text')
    return {'text': text.lower()}

注意：FastAPI还有更优雅的处理方式，那就是引入Pydantic schema，它可以将JSON格式数据映射为schema对象，同时对该对象中的数据类型进行校验，如校验不通过，则会返回自动生成的校验错误。

FastAPI 更优雅的代码

class Sentence(BaseModel):
    text: str

@app.post('/lowercase')
def lower_case(sentence: Sentence):
    return {'text': sentence.text.lower()}

使用curl命令模拟请求如下：

$ curl --location 'localhost:8000/lowercase' \
--header 'Content-Type: application/json' \
--data '{
"text": "HELLO"
}'
{"text":"hello"}

在请求时，如果text对应的value为数字时，FastAPI会自动将数字转化为字符串，不会报错；如果text对应的value为null时，FastAPI将会报错，信息如下：

{
  "detail": [
    {
      "loc": [
        "body",
        "text"
      ],
      "msg": "none is not an allowed value",
      "type": "type_error.none.not_allowed"
    }
  ]
}

八、文件上传

我们来创建一个上传文件的API，返回上传文件的文件名。

Flask 代码

from flask import Flask, request

app = Flask(__name__)

@app.route('/upload', methods=['POST'])
def upload_file():
    file = request.files.get('file')
    return {'name': file.filename}

FastAPI 代码

from fastapi import FastAPI, UploadFile, File

app = FastAPI()

@app.post('/upload')
def upload_file(file: UploadFile = File(...)):
    return {'name': file.filename}

使用Postman模拟请求如下：

$ curl --location 'localhost:8000/upload' \
--header 'Content-Type: multipart/form-data' \
--form 'file=@"/Users/admin/Documents/test.pdf"'
{"name": "test.pdf"}

九、表单提交

我们希望从表单中获取text类型的变量，并返回它的值，如下：

Flask 代码

from flask import Flask, request

app = Flask(__name__)

@app.route('/submit', methods=['POST'])
def echo():
    city = request.form.get('city')
    return {'city': city}

FastAPI 代码

from fastapi import FastAPI, Form

app = FastAPI()

@app.post('/submit')
def echo(city: str = Form(...)):
    return {'city': city}

使用curl命令模拟请求如下：

$ curl --location 'localhost:8000/submit' \
--form 'city="shanghai"'
{"city":"shanghai"}

十、Cookies

我们希望从请求的cookie中获取name字段的值。

Flask 代码

from flask import Flask, request

app = Flask(__name__)

@app.route('/profile')
def profile():
    name = request.cookies.get('name')
    return {'name': name}

FastAPI 代码

from fastapi import FastAPI, Cookie

app = FastAPI()

@app.get('/profile')
def profile(name=Cookie(None)):
    return {'name': name}

十一、模块化视图

我们希望将单个的app.py文件分解成视图（多个独立的文件），如下：

- app.py
- views
  - user.py

Flask 代码

在Flask中，我们可以使用蓝图（Blueprint）来管理，代码如下：

from flask import Blueprint

user_blueprint = Blueprint('user', __name__)

@user_blueprint.route('/users')
def list_users():
    return {'users': ['a', 'b', 'c']}

from flask import Flask

from views.user import user_blueprint

app = Flask(__name__)
app.register_blueprint(user_blueprint)

FastAPI 代码

在FastAPI中，与蓝图等价的实现形式为router，首先需创建一个user router如下：

from fastapi import APIRouter

router = APIRouter()

@router.get('/users')
def list_users():
    return {'users': ['a', 'b', 'c']}

# app.py
from fastapi import FastAPI
from routers import user

app = FastAPI()
app.include_router(user.router)

十二、数据校验

Flask本身并没有提供数据校验功能，可使用marshmalllow或pydantic模块来辅助实现。
而FastAPI在其框架中已包装pydantic模块，可轻松实现数据校验。示例代码如下：

import uvicorn
from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()


class User(BaseModel):
    name: str
    age: int


@app.post('/users')
def save_user(user: User):
    return {'name': user.name,
            'age': user.age}


if __name__ == '__main__':
    uvicorn.run(app)

关于pydantic的schema与JSON格式对应关系，在此给出三个例子：

例子1 键值对（key-value pairs）

{
  "name": "Isaac",
  "age": 60
}

from pydantic import BaseModel

class User(BaseModel):
    name: str
    age: int

例子2 列表

{
  "series": ["GOT", "Dark", "Mr. Robot"]
}

from pydantic import BaseModel
from typing import List

class Metadata(BaseModel):
    series: List[str]

例子3 嵌套对象

{
  "users": [
    {
      "name": "xyz",
      "age": 25
    },
    {
      "name": "abc",
      "age": 30
    }
  ],
  "group": "Group A"
}

from pydantic import BaseModel
from typing import List

class User(BaseModel):
    name: str
    age: int

class UserGroup(BaseModel):
    users: List[User]
    group: str

十三、自动化文档

Flask并没有提供内置的自动化文档生成，可使用flask-swagger或flask-restful模块来辅助实现。
FastAPI可生成自动化文档，文档风格包括swagger和redoc，其中swagger对应路径为/docs，redoc对应路径为/redoc，如下所示：

Swagger 风格

ReDoc 风格

十四、CORS跨域

Flask本身不支持CORS，可使用flask-cors模块辅助实现，代码如下：

from flask import Flask
from flask_cors import CORS

app_ = Flask(__name__)
CORS(app_)

FastAPI提供了内置的中间件来处理CORS，示例代码如下：

# app.py
from fastapi import FastAPI
from fastapi.middleware.cors import CORSMiddleware

app = FastAPI()

app.add_middleware(
    CORSMiddleware,
    allow_origins=['*'],
    allow_credentials=True,
    allow_methods=["*"],
    allow_headers=["*"],
)