Pengesahan ialah kaedah untuk memastikan pangkalan data kami hanya menerima jenis maklumat yang sesuai untuk setiap atribut. Lagipun, kami tidak mahu jenis data yang mengejut menemuinya ke dalam kod kami dan menyebabkan tingkah laku yang tidak dijangka. Nasib baik, SQLAlchemy mempunyai pakej yang membuat pengesahan cepat dan mudah!
Mari kita lihat beberapa contoh mudah. Bayangkan kita mempunyai model ringkas, Sandwich. Di sini kami telah memulakan pangkalan data kami dan mengimportnya daripada fail konfigurasi.
from config import db class Sandwich(db.Model): __tablename__ = 'sandwiches' id = db.Column(db.Integer, primary_key=True) name = db.Column(db.String) description = db.Column(db.String) price = db.Column(db.Float)
Jika kami ingin menambah pengesahan pada mana-mana atribut ini, kami perlu mengimport pakej pengesahan terlebih dahulu.
dari sqlalchemy.orm import mengesahkan
Dan kemudian, tulis fungsi kami dengan penghias '@validates' di dalam model.
@validates('name') def validate_name(self, key, value): if not value: raise ValueError('Name cannot be empty.') if type(value) != str: raise ValueError('Name must be a string.') return value
Jadi apa yang berlaku di sini? Mari kita pecahkan. @validates ialah penghias yang membolehkan ORM kami mengetahui untuk menghantar sebarang nilai yang diterima dengan kunci 'nama' melalui fungsi pengesahan kami sebelum menambahkannya pada pangkalan data. Nilai yang kami pulangkan adalah apa yang akhirnya diberikan kepada pangkalan data kami. Argumen "kunci" ialah kunci yang sedang dinilai, dalam kes ini 'nama', nilainya ialah nilai kunci itu, jadi nama sebenar (mudah-mudahan dalam teks) yang kami cuba tambahkan. Jadi di sini kita sedang menyemak untuk memastikan bahawa atribut nama yang diluluskan tidak kosong, dan itu sebenarnya rentetan. Jika tidak, kami menimbulkan ralat.
Kami juga boleh menjalankan berbilang atribut melalui penghias yang sama dengan menambahkannya pada hujahnya.
@validates('name', 'description') def validate_text(self, key, value): if not value: raise ValueError(f'{key} cannot be empty.') if type(value) != str: raise ValueError(f'{key} must be a string.') return value
Fungsi ini mengesahkan atribut nama dan perihalan kami, tetapi biasanya kami tidak akan mempunyai pengesahan yang sama untuk dilakukan pada atribut yang berbeza. Bergantung pada perbezaan dan bilangan pengesahan yang kami ada, kami boleh melakukannya dengan beberapa cara yang berbeza. Kami boleh menjalankan pengesah berasingan untuk atribut kami yang lain, mari tambahkan pengesahan panjang untuk penerangan dan pengesahan harga kami juga:
@validates('name') def validate_name(self, key, value): if not value: raise ValueError('Name cannot be empty.') if type(value) != str: raise ValueError('Name must be a string.') return value @validates('description') def validate_description(self, key, value): if not value: raise ValueError('Description cannot be empty.') if type(value) != str: raise ValueError('Description must be a string.') if not 10 <p>Atau, kita boleh menyimpan pengesah yang sama untuk kedua-duanya dan menggunakan hujah utama yang dihantar untuk melaraskan pengesahan yang dijalankan bagi setiap atribut.<br> </p> <pre class="brush:php;toolbar:false"> @validates('name', 'description', 'price') def validate(self, key, value): if key != 'price: if not value: raise ValueError(f'{key} cannot be empty.') if type(value) != str: raise ValueError(f'{key} must be string.') if key == 'description': if not 10 <p>Hmm, ini agak kucar-kacir, mari kita ubah semula kepada 2 pengesah yang berasingan.<br> </p> <pre class="brush:php;toolbar:false"> @validates('name', 'description') def validate_text(self, key, value): if not value: raise ValueError(f'{key} cannot be empty.') if type(value) != str: raise ValueError(f'{key} must be string.') if key == 'description': if not 10 <p>Itu lebih baik! Inilah model lengkap kami:<br> </p> <pre class="brush:php;toolbar:false">from sqlalchemy.orm import validates from config import db class Sandwich(db.Model): __tablename__ = 'sandwiches' id = db.Column(db.Integer, primary_key=True) name = db.Column(db.String) description = db.Column(db.String) price = db.Column(db.Float) @validates('name', 'description') def validate_text(self, key, value): if not value: raise ValueError(f'{key} cannot be empty.') if type(value) != str: raise ValueError(f'{key} must be string.') if key == 'description': if not 10 <p>Itu sahaja! Pengesahan ialah satu alat mudah untuk memastikan pangkalan data anda kekal betul dan betul.</p>
Atas ialah kandungan terperinci Pengesah. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undress AI Tool
Gambar buka pakaian secara percuma

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Kunci untuk menangani pengesahan API adalah untuk memahami dan menggunakan kaedah pengesahan dengan betul. 1. Apikey adalah kaedah pengesahan yang paling mudah, biasanya diletakkan dalam tajuk permintaan atau parameter URL; 2. BasicAuth menggunakan nama pengguna dan kata laluan untuk penghantaran pengekodan Base64, yang sesuai untuk sistem dalaman; 3. OAuth2 perlu mendapatkan token terlebih dahulu melalui client_id dan client_secret, dan kemudian bawa bearertoken dalam header permintaan; 4. Untuk menangani tamat tempoh token, kelas pengurusan token boleh dikemas dan secara automatik menyegarkan token; Singkatnya, memilih kaedah yang sesuai mengikut dokumen dan menyimpan maklumat utama adalah kunci.

Menegaskan adalah alat pernyataan yang digunakan dalam Python untuk menyahpepijat, dan melemparkan pernyataan apabila keadaan tidak dipenuhi. Sintaksnya adalah menegaskan keadaan ditambah maklumat ralat pilihan, yang sesuai untuk pengesahan logik dalaman seperti pemeriksaan parameter, pengesahan status, dan lain -lain, tetapi tidak boleh digunakan untuk pemeriksaan input keselamatan atau pengguna, dan harus digunakan bersamaan dengan maklumat yang jelas. Ia hanya tersedia untuk debugging tambahan dalam peringkat pembangunan dan bukannya menggantikan pengendalian pengecualian.

Inpython, iteratorsareObjectsThatallowLoopingthroughCollectionsByImplementing__iter __ () dan__Next __ ()

TypehintsinpythonsolvetheproblemofambiguityandpotentialbugsindynamiciallytypodeByallowingDeveloperStospecifyExpectedTypes.theyenhancereadability, enablearlybugdetection, andimprovetoLiaSareAdeAdeAdeAdeAdeAdeAdeAdeAdeAdeAdeAdeAdeAdeAdeAdeAdeAdeAdeAdeAdeAdeAdeAdeAdeAdeAdeSareadDeSareadDeSareadDeSareadDeSaread

Kaedah yang sama untuk melintasi dua senarai secara serentak dalam Python adalah menggunakan fungsi zip (), yang akan memasangkan beberapa senarai dalam rangka dan menjadi yang paling singkat; Jika panjang senarai tidak konsisten, anda boleh menggunakan itertools.zip_longest () untuk menjadi yang paling lama dan mengisi nilai yang hilang; Digabungkan dengan penghitungan (), anda boleh mendapatkan indeks pada masa yang sama. 1.Zip () adalah ringkas dan praktikal, sesuai untuk lelaran data berpasangan; 2.zip_longest () boleh mengisi nilai lalai apabila berurusan dengan panjang yang tidak konsisten; 3.enumerate (zip ()) boleh mendapatkan indeks semasa traversal, memenuhi keperluan pelbagai senario kompleks.

Untuk mewujudkan API moden dan cekap menggunakan Python, FastAPI disyorkan; Ia berdasarkan kepada jenis python standard yang diminta dan secara automatik dapat menghasilkan dokumen, dengan prestasi yang sangat baik. Selepas memasang FastAPI dan Asgi Server UVicorn, anda boleh menulis kod antara muka. Dengan menentukan laluan, menulis fungsi pemprosesan, dan data yang kembali, API boleh dibina dengan cepat. FastAPI menyokong pelbagai kaedah HTTP dan menyediakan sistem dokumentasi Swaggersui dan Redoc yang dihasilkan secara automatik. Parameter URL boleh ditangkap melalui definisi laluan, manakala parameter pertanyaan boleh dilaksanakan dengan menetapkan nilai lalai untuk parameter fungsi. Penggunaan rasional model Pydantic dapat membantu meningkatkan kecekapan dan ketepatan pembangunan.

Untuk menguji API, anda perlu menggunakan Perpustakaan Permintaan Python. Langkah -langkahnya adalah untuk memasang perpustakaan, menghantar permintaan, mengesahkan respons, menetapkan masa dan cuba semula. Pertama, pasang perpustakaan melalui PipinstallRequests; kemudian gunakan permintaan.get () atau requests.post () dan kaedah lain untuk menghantar permintaan GET atau pos; Kemudian semak respons.status_code dan response.json () untuk memastikan hasil pulangan mematuhi jangkaan; Akhirnya, tambah parameter tamat masa untuk menetapkan masa tamat, dan menggabungkan perpustakaan semula untuk mencapai percubaan automatik untuk meningkatkan kestabilan.

Persekitaran maya boleh mengasingkan kebergantungan projek yang berbeza. Dicipta menggunakan modul Venv Python sendiri, perintah itu adalah python-mvenvenv; Kaedah pengaktifan: Windows menggunakan Env \ Scripts \ Activate, MacOS/Linux menggunakan Sourceenv/Bin/Activate; Pakej pemasangan menggunakan pipinstall, gunakan pipfreeze> keperluan.txt untuk menghasilkan fail keperluan, dan gunakan pipinstall-rrequirements.txt untuk memulihkan persekitaran; Langkah berjaga -jaga termasuk tidak menyerahkan kepada Git, mengaktifkan semula setiap kali terminal baru dibuka, dan pengenalan dan penukaran automatik boleh digunakan oleh IDE.
