🌐 Add Chinese translation for Tutorial - Body - Nested Models (#1609)

Co-authored-by: Sebastián Ramírez <[email protected]>

docs/zh/docs/tutorial/body-nested-models.md

@@ -0,0 +1,244 @@
+# 请求体 - 嵌套模型
+
+使用 **FastAPI**，你可以定义、校验、记录文档并使用任意深度嵌套的模型（归功于Pydantic）。
+
+## List 字段
+
+你可以将一个属性定义为拥有子元素的类型。例如 Python `list`：
+
+```Python hl_lines="12"
+{!../../../docs_src/body_nested_models/tutorial001.py!}
+```
+
+这将使 `tags` 成为一个由元素组成的列表。不过它没有声明每个元素的类型。
+
+## 具有子类型的 List 字段
+
+但是 Python 有一种特定的方法来声明具有子类型的列表：
+
+### 从 typing 导入 `List`
+
+首先，从 Python 的标准库 `typing` 模块中导入 `List`：
+
+```Python hl_lines="1"
+{!../../../docs_src/body_nested_models/tutorial002.py!}
+```
+
+### 声明具有子类型的 List
+
+要声明具有子类型的类型，例如 `list`、`dict`、`tuple`：
+
+* 从 `typing` 模块导入它们
+* 使用方括号 `[` 和 `]` 将子类型作为「类型参数」传入
+
+```Python
+from typing import List
+
+my_list: List[str]
+```
+
+这完全是用于类型声明的标准 Python 语法。
+
+对具有子类型的模型属性也使用相同的标准语法。
+
+因此，在我们的示例中，我们可以将 `tags` 明确地指定为一个「字符串列表」：
+
+```Python hl_lines="14"
+{!../../../docs_src/body_nested_models/tutorial002.py!}
+```
+
+## Set 类型
+
+但是随后我们考虑了一下，意识到标签不应该重复，它们很大可能会是唯一的字符串。
+
+Python 具有一种特殊的数据类型来保存一组唯一的元素，即 `set`。
+
+然后我们可以导入 `Set` 并将 `tag` 声明为一个由 `str` 组成的 `set`：
+
+```Python hl_lines="1 14"
+{!../../../docs_src/body_nested_models/tutorial003.py!}
+```
+
+这样，即使你收到带有重复数据的请求，这些数据也会被转换为一组唯一项。
+
+而且，每当你输出该数据时，即使源数据有重复，它们也将作为一组唯一项输出。
+
+并且还会被相应地标注 / 记录文档。
+
+## 嵌套模型
+
+Pydantic 模型的每个属性都具有类型。
+
+但是这个类型本身可以是另一个 Pydantic 模型。
+
+因此，你可以声明拥有特定属性名称、类型和校验的深度嵌套的 JSON 对象。
+
+上述这些都可以任意的嵌套。
+
+### 定义子模型
+
+例如，我们可以定义一个 `Image` 模型：
+
+```Python hl_lines="9 10 11"
+{!../../../docs_src/body_nested_models/tutorial004.py!}
+```
+
+### 将子模型用作类型
+
+然后我们可以将其用作一个属性的类型：
+
+```Python hl_lines="20"
+{!../../../docs_src/body_nested_models/tutorial004.py!}
+```
+
+这意味着 **FastAPI** 将期望类似于以下内容的请求体：
+
+```JSON
+{
+    "name": "Foo",
+    "description": "The pretender",
+    "price": 42.0,
+    "tax": 3.2,
+    "tags": ["rock", "metal", "bar"],
+    "image": {
+        "url": "http://example.com/baz.jpg",
+        "name": "The Foo live"
+    }
+}
+```
+
+再一次，仅仅进行这样的声明，你将通过 **FastAPI** 获得：
+
+* 对被嵌入的模型也适用的编辑器支持（自动补全等）
+* 数据转换
+* 数据校验
+* 自动生成文档
+
+## 特殊的类型和校验
+
+除了普通的单一值类型（如 `str`、`int`、`float` 等）外，你还可以使用从 `str` 继承的更复杂的单一值类型。
+
+要了解所有的可用选项，请查看关于 <a href="https://pydantic-docs.helpmanual.io/usage/types/" class="external-link" target="_blank">来自 Pydantic 的外部类型</a> 的文档。你将在下一章节中看到一些示例。
+
+例如，在 `Image` 模型中我们有一个 `url` 字段，我们可以把它声明为 Pydantic 的 `HttpUrl`，而不是 `str`：
+
+```Python hl_lines="4 10"
+{!../../../docs_src/body_nested_models/tutorial005.py!}
+```
+
+该字符串将被检查是否为有效的 URL，并在 JSON Schema / OpenAPI 文档中进行记录。
+
+## 带有一组子模型的属性
+
+你还可以将 Pydantic 模型用作 `list`、`set` 等的子类型：
+
+```Python hl_lines="20"
+{!../../../docs_src/body_nested_models/tutorial006.py!}
+```
+
+这将期望（转换，校验，记录文档等）下面这样的 JSON 请求体：
+
+```JSON hl_lines="11"
+{
+    "name": "Foo",
+    "description": "The pretender",
+    "price": 42.0,
+    "tax": 3.2,
+    "tags": [
+        "rock",
+        "metal",
+        "bar"
+    ],
+    "images": [
+        {
+            "url": "http://example.com/baz.jpg",
+            "name": "The Foo live"
+        },
+        {
+            "url": "http://example.com/dave.jpg",
+            "name": "The Baz"
+        }
+    ]
+}
+```
+
+!!! info
+    请注意 `images` 键现在具有一组 image 对象是如何发生的。
+
+## 深度嵌套模型
+
+你可以定义任意深度的嵌套模型：
+
+```Python hl_lines="9 14 20 23 27"
+{!../../../docs_src/body_nested_models/tutorial007.py!}
+```
+
+!!! info
+    请注意 `Offer` 拥有一组 `Item` 而反过来 `Item` 又是一个可选的 `Image` 列表是如何发生的。
+
+## 纯列表请求体
+
+如果你期望的 JSON 请求体的最外层是一个 JSON `array`（即 Python `list`），则可以在路径操作函数的参数中声明此类型，就像声明 Pydantic 模型一样：
+
+```Python
+images: List[Image]
+```
+
+例如：
+
+```Python hl_lines="15"
+{!../../../docs_src/body_nested_models/tutorial008.py!}
+```
+
+## 无处不在的编辑器支持
+
+你可以随处获得编辑器支持。
+
+即使是列表中的元素：
+
+<img src="https://fastapi.tiangolo.com/img/tutorial/body-nested-models/image01.png">
+
+如果你直接使用 `dict` 而不是 Pydantic 模型，那你将无法获得这种编辑器支持。
+
+但是你根本不必担心这两者，传入的字典会自动被转换，你的输出也会自动被转换为 JSON。
+
+## 任意 `dict` 构成的请求体
+
+你也可以将请求体声明为使用某类型的键和其他类型值的 `dict`。
+
+无需事先知道有效的字段/属性（在使用 Pydantic 模型的场景）名称是什么。
+
+如果你想接收一些尚且未知的键，这将很有用。
+
+---
+
+其他有用的场景是当你想要接收其他类型的键时，例如 `int`。
+
+这也是我们在接下来将看到的。
+
+在下面的例子中，你将接受任意键为 `int` 类型并且值为 `float` 类型的 `dict`：
+
+```Python hl_lines="15"
+{!../../../docs_src/body_nested_models/tutorial009.py!}
+```
+
+!!! tip
+    请记住 JSON 仅支持将 `str` 作为键。
+
+    但是 Pydantic 具有自动转换数据的功能。
+
+    这意味着，即使你的 API 客户端只能将字符串作为键发送，只要这些字符串内容仅包含整数，Pydantic 就会对其进行转换并校验。
+    
+    然后你接收的名为 `weights` 的 `dict` 实际上将具有 `int` 类型的键和 `float` 类型的值。
+
+## 总结
+
+使用 **FastAPI** 你可以拥有 Pydantic 模型提供的极高灵活性，同时保持代码的简单、简短和优雅。
+
+而且还具有下列好处：
+
+* 编辑器支持（处处皆可自动补全！）
+* 数据转换（也被称为解析/序列化）
+* 数据校验
+* 模式文档
+* 自动生成的文档

docs/zh/mkdocs.yml

@@ -60,6 +60,7 @@ nav:
   - tutorial/path-params-numeric-validations.md
   - tutorial/body-multiple-params.md
   - tutorial/body-fields.md
+  - tutorial/body-nested-models.md
 - 高级用户指南:
   - advanced/index.md
   - advanced/path-operation-advanced-configuration.md