FastAPI自学教程（28） - 请求体更新数据

1. 全量更新（PUT方法）

from fastapi.encoders import jsonable_encoder

@app.put("/items/{item_id}")
async def update_item(item_id: str, item: Item):
    update_item_encoded = jsonable_encoder(item)
    items[item_id] = update_item_encoded
    return update_item_encoded

• 使用HTTP PUT方法实现完整数据替换
• 未传值的字段会被重置为模型默认值（如tax字段未传则重置为10.5）
• 通过jsonable_encoder自动转换数据类型（如datetime转为ISO字符串）

2. 部分更新（PATCH方法）

@app.patch("/items/{item_id}")
async def update_item(item_id: str, item: Item):
    stored_item_data = items[item_id]
    stored_item_model = Item(**stored_item_data)
    update_data = item.dict(exclude_unset=True)
    updated_item = stored_item_model.copy(update=update_data)
    items[item_id] = jsonable_encoder(updated_item)
    return updated_item

• 使用HTTP PATCH方法仅更新已传递的字段
• 核心步骤：
  1. 从存储中获取原始数据并转换为Pydantic模型
  2. 使用.dict(exclude_unset=True)过滤未修改字段
  3. 通过.copy(update=...)创建包含新数据的模型副本
  4. 使用jsonable_encoder处理嵌套类型转换

3. 数据更新策略对比

方法	数据覆盖范围	默认值处理	适用场景
PUT	全量替换	未传字段使用默认值	完整资源替换场景
PATCH	部分更新	保留原有未传字段的值	局部字段更新场景

4. 嵌套模型更新注意事项

# 处理嵌套模型时需要特别注意字段合并逻辑
updated_item = stored_item_model.copy(update={
    "sub_model": existing_sub_model.copy(update=new_sub_data)
})

• 深层嵌套字段更新需逐层应用.copy(update=)方法
• 字典类型字段更新会完全替换原有键值对（非合并）
• 建议对复杂结构实现自定义合并逻辑

5. 生产环境最佳实践

• 使用response_model确保响应数据结构一致
• 对敏感字段添加额外验证逻辑（如密码哈希处理）
• 数据库操作推荐使用异步ORM（如SQLAlchemy 2.0+）
• 通过exclude_unset=True避免覆盖未修改字段

---