committed by
GitHub
2 changed files with 253 additions and 0 deletions
@ -0,0 +1,252 @@ |
|||||
|
# Modelos Adicionais |
||||
|
|
||||
|
Continuando com o exemplo anterior, será comum ter mais de um modelo relacionado. |
||||
|
|
||||
|
Isso é especialmente o caso para modelos de usuários, porque: |
||||
|
|
||||
|
* O **modelo de entrada** precisa ser capaz de ter uma senha. |
||||
|
* O **modelo de saída** não deve ter uma senha. |
||||
|
* O **modelo de banco de dados** provavelmente precisaria ter uma senha criptografada. |
||||
|
|
||||
|
!!! danger |
||||
|
Nunca armazene senhas em texto simples dos usuários. Sempre armazene uma "hash segura" que você pode verificar depois. |
||||
|
|
||||
|
Se não souber, você aprenderá o que é uma "senha hash" nos [capítulos de segurança](security/simple-oauth2.md#password-hashing){.internal-link target=_blank}. |
||||
|
|
||||
|
## Múltiplos modelos |
||||
|
|
||||
|
Aqui está uma ideia geral de como os modelos poderiam parecer com seus campos de senha e os lugares onde são usados: |
||||
|
|
||||
|
=== "Python 3.6 and above" |
||||
|
|
||||
|
```Python hl_lines="9 11 16 22 24 29-30 33-35 40-41" |
||||
|
{!> ../../../docs_src/extra_models/tutorial001.py!} |
||||
|
``` |
||||
|
|
||||
|
=== "Python 3.10 and above" |
||||
|
|
||||
|
```Python hl_lines="7 9 14 20 22 27-28 31-33 38-39" |
||||
|
{!> ../../../docs_src/extra_models/tutorial001_py310.py!} |
||||
|
``` |
||||
|
|
||||
|
### Sobre `**user_in.dict()` |
||||
|
|
||||
|
#### O `.dict()` do Pydantic |
||||
|
|
||||
|
`user_in` é um modelo Pydantic da classe `UserIn`. |
||||
|
|
||||
|
Os modelos Pydantic possuem um método `.dict()` que retorna um `dict` com os dados do modelo. |
||||
|
|
||||
|
Então, se criarmos um objeto Pydantic `user_in` como: |
||||
|
|
||||
|
```Python |
||||
|
user_in = UserIn(username="john", password="secret", email="[email protected]") |
||||
|
``` |
||||
|
|
||||
|
e depois chamarmos: |
||||
|
|
||||
|
```Python |
||||
|
user_dict = user_in.dict() |
||||
|
``` |
||||
|
|
||||
|
agora temos um `dict` com os dados na variável `user_dict` (é um `dict` em vez de um objeto de modelo Pydantic). |
||||
|
|
||||
|
E se chamarmos: |
||||
|
|
||||
|
```Python |
||||
|
print(user_dict) |
||||
|
``` |
||||
|
|
||||
|
teríamos um `dict` Python com: |
||||
|
|
||||
|
```Python |
||||
|
{ |
||||
|
'username': 'john', |
||||
|
'password': 'secret', |
||||
|
'email': '[email protected]', |
||||
|
'full_name': None, |
||||
|
} |
||||
|
``` |
||||
|
|
||||
|
#### Desembrulhando um `dict` |
||||
|
|
||||
|
Se tomarmos um `dict` como `user_dict` e passarmos para uma função (ou classe) com `**user_dict`, o Python irá "desembrulhá-lo". Ele passará as chaves e valores do `user_dict` diretamente como argumentos chave-valor. |
||||
|
|
||||
|
Então, continuando com o `user_dict` acima, escrevendo: |
||||
|
|
||||
|
```Python |
||||
|
UserInDB(**user_dict) |
||||
|
``` |
||||
|
|
||||
|
Resultaria em algo equivalente a: |
||||
|
|
||||
|
```Python |
||||
|
UserInDB( |
||||
|
username="john", |
||||
|
password="secret", |
||||
|
email="[email protected]", |
||||
|
full_name=None, |
||||
|
) |
||||
|
``` |
||||
|
|
||||
|
Ou mais exatamente, usando `user_dict` diretamente, com qualquer conteúdo que ele possa ter no futuro: |
||||
|
|
||||
|
```Python |
||||
|
UserInDB( |
||||
|
username = user_dict["username"], |
||||
|
password = user_dict["password"], |
||||
|
email = user_dict["email"], |
||||
|
full_name = user_dict["full_name"], |
||||
|
) |
||||
|
``` |
||||
|
|
||||
|
#### Um modelo Pydantic a partir do conteúdo de outro |
||||
|
|
||||
|
Como no exemplo acima, obtivemos o `user_dict` a partir do `user_in.dict()`, este código: |
||||
|
|
||||
|
```Python |
||||
|
user_dict = user_in.dict() |
||||
|
UserInDB(**user_dict) |
||||
|
``` |
||||
|
|
||||
|
seria equivalente a: |
||||
|
|
||||
|
```Python |
||||
|
UserInDB(**user_in.dict()) |
||||
|
``` |
||||
|
|
||||
|
...porque `user_in.dict()` é um `dict`, e depois fazemos o Python "desembrulhá-lo" passando-o para UserInDB precedido por `**`. |
||||
|
|
||||
|
Então, obtemos um modelo Pydantic a partir dos dados em outro modelo Pydantic. |
||||
|
|
||||
|
#### Desembrulhando um `dict` e palavras-chave extras |
||||
|
|
||||
|
E, então, adicionando o argumento de palavra-chave extra `hashed_password=hashed_password`, como em: |
||||
|
|
||||
|
```Python |
||||
|
UserInDB(**user_in.dict(), hashed_password=hashed_password) |
||||
|
``` |
||||
|
|
||||
|
...acaba sendo como: |
||||
|
|
||||
|
```Python |
||||
|
UserInDB( |
||||
|
username = user_dict["username"], |
||||
|
password = user_dict["password"], |
||||
|
email = user_dict["email"], |
||||
|
full_name = user_dict["full_name"], |
||||
|
hashed_password = hashed_password, |
||||
|
) |
||||
|
``` |
||||
|
|
||||
|
!!! warning |
||||
|
As funções adicionais de suporte são apenas para demonstração de um fluxo possível dos dados, mas é claro que elas não fornecem segurança real. |
||||
|
|
||||
|
## Reduzir duplicação |
||||
|
|
||||
|
Reduzir a duplicação de código é uma das ideias principais no **FastAPI**. |
||||
|
|
||||
|
A duplicação de código aumenta as chances de bugs, problemas de segurança, problemas de desincronização de código (quando você atualiza em um lugar, mas não em outros), etc. |
||||
|
|
||||
|
E esses modelos estão compartilhando muitos dos dados e duplicando nomes e tipos de atributos. |
||||
|
|
||||
|
Nós poderíamos fazer melhor. |
||||
|
|
||||
|
Podemos declarar um modelo `UserBase` que serve como base para nossos outros modelos. E então podemos fazer subclasses desse modelo que herdam seus atributos (declarações de tipo, validação, etc.). |
||||
|
|
||||
|
Toda conversão de dados, validação, documentação, etc. ainda funcionará normalmente. |
||||
|
|
||||
|
Dessa forma, podemos declarar apenas as diferenças entre os modelos (com `password` em texto claro, com `hashed_password` e sem senha): |
||||
|
|
||||
|
=== "Python 3.6 and above" |
||||
|
|
||||
|
```Python hl_lines="9 15-16 19-20 23-24" |
||||
|
{!> ../../../docs_src/extra_models/tutorial002.py!} |
||||
|
``` |
||||
|
|
||||
|
=== "Python 3.10 and above" |
||||
|
|
||||
|
```Python hl_lines="7 13-14 17-18 21-22" |
||||
|
{!> ../../../docs_src/extra_models/tutorial002_py310.py!} |
||||
|
``` |
||||
|
|
||||
|
## `Union` ou `anyOf` |
||||
|
|
||||
|
Você pode declarar uma resposta como o `Union` de dois tipos, o que significa que a resposta seria qualquer um dos dois. |
||||
|
|
||||
|
Isso será definido no OpenAPI com `anyOf`. |
||||
|
|
||||
|
Para fazer isso, use a dica de tipo padrão do Python <a href="https://docs.python.org/3/library/typing.html#typing.Union" class="external-link" target="_blank">`typing.Union`</a>: |
||||
|
|
||||
|
!!! note |
||||
|
Ao definir um <a href="https://pydantic-docs.helpmanual.io/usage/types/#unions" class="external-link" target="_blank">`Union`</a>, inclua o tipo mais específico primeiro, seguido pelo tipo menos específico. No exemplo abaixo, o tipo mais específico `PlaneItem` vem antes de `CarItem` em `Union[PlaneItem, CarItem]`. |
||||
|
|
||||
|
=== "Python 3.6 and above" |
||||
|
|
||||
|
```Python hl_lines="1 14-15 18-20 33" |
||||
|
{!> ../../../docs_src/extra_models/tutorial003.py!} |
||||
|
``` |
||||
|
|
||||
|
=== "Python 3.10 and above" |
||||
|
|
||||
|
```Python hl_lines="1 14-15 18-20 33" |
||||
|
{!> ../../../docs_src/extra_models/tutorial003_py310.py!} |
||||
|
``` |
||||
|
|
||||
|
### `Union` no Python 3.10 |
||||
|
|
||||
|
Neste exemplo, passamos `Union[PlaneItem, CarItem]` como o valor do argumento `response_model`. |
||||
|
|
||||
|
Dado que estamos passando-o como um **valor para um argumento** em vez de colocá-lo em uma **anotação de tipo**, precisamos usar `Union` mesmo no Python 3.10. |
||||
|
|
||||
|
Se estivesse em uma anotação de tipo, poderíamos ter usado a barra vertical, como: |
||||
|
|
||||
|
```Python |
||||
|
some_variable: PlaneItem | CarItem |
||||
|
``` |
||||
|
|
||||
|
Mas se colocarmos isso em `response_model=PlaneItem | CarItem` teríamos um erro, pois o Python tentaria executar uma **operação inválida** entre `PlaneItem` e `CarItem` em vez de interpretar isso como uma anotação de tipo. |
||||
|
|
||||
|
## Lista de modelos |
||||
|
|
||||
|
Da mesma forma, você pode declarar respostas de listas de objetos. |
||||
|
|
||||
|
Para isso, use o padrão Python `typing.List` (ou simplesmente `list` no Python 3.9 e superior): |
||||
|
|
||||
|
=== "Python 3.6 and above" |
||||
|
|
||||
|
```Python hl_lines="1 20" |
||||
|
{!> ../../../docs_src/extra_models/tutorial004.py!} |
||||
|
``` |
||||
|
|
||||
|
=== "Python 3.9 and above" |
||||
|
|
||||
|
```Python hl_lines="18" |
||||
|
{!> ../../../docs_src/extra_models/tutorial004_py39.py!} |
||||
|
``` |
||||
|
|
||||
|
## Resposta com `dict` arbitrário |
||||
|
|
||||
|
Você também pode declarar uma resposta usando um simples `dict` arbitrário, declarando apenas o tipo das chaves e valores, sem usar um modelo Pydantic. |
||||
|
|
||||
|
Isso é útil se você não souber os nomes de campo / atributo válidos (que seriam necessários para um modelo Pydantic) antecipadamente. |
||||
|
|
||||
|
Neste caso, você pode usar `typing.Dict` (ou simplesmente dict no Python 3.9 e superior): |
||||
|
|
||||
|
=== "Python 3.6 and above" |
||||
|
|
||||
|
```Python hl_lines="1 8" |
||||
|
{!> ../../../docs_src/extra_models/tutorial005.py!} |
||||
|
``` |
||||
|
|
||||
|
=== "Python 3.9 and above" |
||||
|
|
||||
|
```Python hl_lines="6" |
||||
|
{!> ../../../docs_src/extra_models/tutorial005_py39.py!} |
||||
|
``` |
||||
|
|
||||
|
## Em resumo |
||||
|
|
||||
|
Use vários modelos Pydantic e herde livremente para cada caso. |
||||
|
|
||||
|
Não é necessário ter um único modelo de dados por entidade se essa entidade precisar ter diferentes "estados". No caso da "entidade" de usuário com um estado que inclui `password`, `password_hash` e sem senha. |
Loading…
Reference in new issue