tiangolo.fastapi/docs/de/docs/tutorial/body-updates.md

Body – Aktualisierungen

Ersetzendes Aktualisieren mit PUT

Um einen Artikel zu aktualisieren, können Sie die HTTP PUT Operation verwenden.

Sie können den jsonable_encoder verwenden, um die empfangenen Daten in etwas zu konvertieren, das als JSON gespeichert werden kann (in z. B. einer NoSQL-Datenbank). Zum Beispiel, um ein datetime in einen str zu konvertieren.

=== "Python 3.10+"

```Python hl_lines="28-33"
{!> ../../../docs_src/body_updates/tutorial001_py310.py!}
```

=== "Python 3.9+"

```Python hl_lines="30-35"
{!> ../../../docs_src/body_updates/tutorial001_py39.py!}
```

=== "Python 3.8+"

```Python hl_lines="30-35"
{!> ../../../docs_src/body_updates/tutorial001.py!}
```

PUT wird verwendet, um Daten zu empfangen, die die existierenden Daten ersetzen sollen.

Warnung bezüglich des Ersetzens

Das bedeutet, dass, wenn Sie den Artikel bar aktualisieren wollen, mittels PUT und folgendem Body:

{
    "name": "Barz",
    "price": 3,
    "description": None,
}

das Eingabemodell nun den Defaultwert "tax": 10.5 hat, weil Sie das bereits gespeicherte Attribut "tax": 20.2 nicht mit übergeben haben.

Die Daten werden darum mit einem „neuen“ tax-Wert von 10.5 abgespeichert.

Teilweises Ersetzen mit PATCH

Sie können auch die HTTP PATCH Operation verwenden, um Daten teilweise zu ersetzen.

Das bedeutet, sie senden nur die Daten, die Sie aktualisieren wollen, der Rest bleibt unverändert.

!!! note "Hinweis" PATCH wird seltener verwendet und ist weniger bekannt als PUT.

Und viele Teams verwenden ausschließlich `PUT`, selbst für nur Teil-Aktualisierungen.

Es steht Ihnen **frei**, das zu verwenden, was Sie möchten, **FastAPI** legt Ihnen keine Einschränkungen auf.

Aber dieser Leitfaden zeigt Ihnen mehr oder weniger, wie die beiden normalerweise verwendet werden.

Pydantics exclude_unset-Parameter verwenden

Wenn Sie Teil-Aktualisierungen entgegennehmen, ist der exclude_unset-Parameter in der .model_dump()-Methode von Pydantic-Modellen sehr nützlich.

Wie in item.model_dump(exclude_unset=True).

!!! info In Pydantic v1 hieß diese Methode .dict(), in Pydantic v2 wurde sie deprecated (aber immer noch unterstützt) und in .model_dump() umbenannt.

Die Beispiele hier verwenden `.dict()` für die Kompatibilität mit Pydantic v1, Sie sollten jedoch stattdessen `.model_dump()` verwenden, wenn Sie Pydantic v2 verwenden können.

Das wird ein dict erstellen, mit nur den Daten, die gesetzt wurden als das item-Modell erstellt wurde, Defaultwerte ausgeschlossen.

Sie können das verwenden, um ein dict zu erstellen, das nur die (im Request) gesendeten Daten enthält, ohne Defaultwerte:

=== "Python 3.10+"

```Python hl_lines="32"
{!> ../../../docs_src/body_updates/tutorial002_py310.py!}
```

=== "Python 3.9+"

```Python hl_lines="34"
{!> ../../../docs_src/body_updates/tutorial002_py39.py!}
```

=== "Python 3.8+"

```Python hl_lines="34"
{!> ../../../docs_src/body_updates/tutorial002.py!}
```

Pydantics update-Parameter verwenden

Jetzt können Sie eine Kopie des existierenden Modells mittels .model_copy() erstellen, wobei Sie dem update-Parameter ein dict mit den zu ändernden Daten übergeben.

!!! info In Pydantic v1 hieß diese Methode .copy(), in Pydantic v2 wurde sie deprecated (aber immer noch unterstützt) und in .model_copy() umbenannt.

Die Beispiele hier verwenden `.copy()` für die Kompatibilität mit Pydantic v1, Sie sollten jedoch stattdessen `.model_copy()` verwenden, wenn Sie Pydantic v2 verwenden können.

Wie in stored_item_model.model_copy(update=update_data):

=== "Python 3.10+"

```Python hl_lines="33"
{!> ../../../docs_src/body_updates/tutorial002_py310.py!}
```

=== "Python 3.9+"

```Python hl_lines="35"
{!> ../../../docs_src/body_updates/tutorial002_py39.py!}
```

=== "Python 3.8+"

```Python hl_lines="35"
{!> ../../../docs_src/body_updates/tutorial002.py!}
```

Rekapitulation zum teilweisen Ersetzen

Zusammengefasst, um Teil-Ersetzungen vorzunehmen:

• (Optional) verwenden Sie PATCH statt PUT.
• Lesen Sie die bereits gespeicherten Daten aus.
• Fügen Sie diese in ein Pydantic-Modell ein.
• Erzeugen Sie aus dem empfangenen Modell ein dict ohne Defaultwerte (mittels exclude_unset).
  • So ersetzen Sie nur die tatsächlich vom Benutzer gesetzten Werte, statt dass bereits gespeicherte Werte mit Defaultwerten des Modells überschrieben werden.
• Erzeugen Sie eine Kopie ihres gespeicherten Modells, wobei Sie die Attribute mit den empfangenen Teil-Ersetzungen aktualisieren (mittels des update-Parameters).
• Konvertieren Sie das kopierte Modell zu etwas, das in ihrer Datenbank gespeichert werden kann (indem Sie beispielsweise jsonable_encoder verwenden).
  • Das ist vergleichbar dazu, die .model_dump()-Methode des Modells erneut aufzurufen, aber es wird sicherstellen, dass die Werte zu Daten konvertiert werden, die ihrerseits zu JSON konvertiert werden können, zum Beispiel datetime zu str.
• Speichern Sie die Daten in Ihrer Datenbank.
• Geben Sie das aktualisierte Modell zurück.

=== "Python 3.10+"

```Python hl_lines="28-35"
{!> ../../../docs_src/body_updates/tutorial002_py310.py!}
```

=== "Python 3.9+"

```Python hl_lines="30-37"
{!> ../../../docs_src/body_updates/tutorial002_py39.py!}
```

=== "Python 3.8+"

```Python hl_lines="30-37"
{!> ../../../docs_src/body_updates/tutorial002.py!}
```

!!! tip "Tipp" Sie können tatsächlich die gleiche Technik mit einer HTTP PUT Operation verwenden.

Aber dieses Beispiel verwendet `PATCH`, da dieses für solche Anwendungsfälle geschaffen wurde.

!!! note "Hinweis" Beachten Sie, dass das hereinkommende Modell immer noch validiert wird.

Wenn Sie also Teil-Aktualisierungen empfangen wollen, die alle Attribute auslassen können, müssen Sie ein Modell haben, dessen Attribute alle als optional gekennzeichnet sind (mit Defaultwerten oder `None`).

Um zu unterscheiden zwischen Modellen für **Aktualisierungen**, mit lauter optionalen Werten, und solchen für die **Erzeugung**, mit benötigten Werten, können Sie die Techniken verwenden, die in [Extramodelle](extra-models.md){.internal-link target=_blank} beschrieben wurden.