Tipos de dados extras¶

Até agora, você tem usado tipos de dados comuns, tais como:

int
float
str
bool

Mas você também pode usar tipos de dados mais complexos.

E você ainda terá os mesmos recursos que viu até agora:

Ótimo suporte do editor.
Conversão de dados das requisições recebidas.
Conversão de dados para os dados da resposta.
Validação de dados.
Anotação e documentação automáticas.

Outros tipos de dados¶

Aqui estão alguns dos tipos de dados adicionais que você pode usar:

UUID:
- Um "Identificador Universalmente Único" padrão, comumente usado como ID em muitos bancos de dados e sistemas.
- Em requisições e respostas será representado como uma str.
datetime.datetime:
- O datetime.datetime do Python.
- Em requisições e respostas será representado como uma str no formato ISO 8601, exemplo: 2008-09-15T15:53:00+05:00.
datetime.date:
- O datetime.date do Python.
- Em requisições e respostas será representado como uma str no formato ISO 8601, exemplo: 2008-09-15.
datetime.time:
- O datetime.time do Python.
- Em requisições e respostas será representado como uma str no formato ISO 8601, exemplo: 14:23:55.003.
datetime.timedelta:
- O datetime.timedelta do Python.
- Em requisições e respostas será representado como um float de segundos totais.
- O Pydantic também permite representá-lo como uma "codificação ISO 8601 diferença de tempo", cheque a documentação para mais informações.
frozenset:
- Em requisições e respostas, será tratado da mesma forma que um set:
  - Nas requisições, uma lista será lida, eliminando duplicadas e convertendo-a em um set.
  - Nas respostas, o set será convertido para uma list.
  - O esquema gerado vai especificar que os valores do set são unicos (usando o uniqueItems do JSON Schema).
bytes:
- O bytes padrão do Python.
- Em requisições e respostas será representado como uma str.
- O esquema gerado vai especificar que é uma str com o "formato" binary.
Decimal:
- O Decimal padrão do Python.
- Em requisições e respostas será representado como um float.
Você pode checar todos os tipos de dados válidos do Pydantic aqui: Tipos de dados do Pydantic.

Exemplo¶

Aqui está um exemplo de operação de rota com parâmetros utilizando-se de alguns dos tipos acima.

from datetime import datetime, time, timedelta
from typing import Union
from uuid import UUID

from fastapi import Body, FastAPI

app = FastAPI()


@app.put("/items/{item_id}")
async def read_items(
    item_id: UUID,
    start_datetime: datetime = Body(),
    end_datetime: datetime = Body(),
    process_after: timedelta = Body(),
    repeat_at: Union[time, None] = Body(default=None),
):
    start_process = start_datetime + process_after
    duration = end_datetime - start_process
    return {
        "item_id": item_id,
        "start_datetime": start_datetime,
        "end_datetime": end_datetime,
        "process_after": process_after,
        "repeat_at": repeat_at,
        "start_process": start_process,
        "duration": duration,
    }

Note que os parâmetros dentro da função tem seu tipo de dados natural, e você pode, por exemplo, realizar manipulações normais de data, como:

from datetime import datetime, time, timedelta
from typing import Union
from uuid import UUID

from fastapi import Body, FastAPI

app = FastAPI()


@app.put("/items/{item_id}")
async def read_items(
    item_id: UUID,
    start_datetime: datetime = Body(),
    end_datetime: datetime = Body(),
    process_after: timedelta = Body(),
    repeat_at: Union[time, None] = Body(default=None),
):
    start_process = start_datetime + process_after
    duration = end_datetime - start_process
    return {
        "item_id": item_id,
        "start_datetime": start_datetime,
        "end_datetime": end_datetime,
        "process_after": process_after,
        "repeat_at": repeat_at,
        "start_process": start_process,
        "duration": duration,
    }