Django(45)drf序列化类的使用(Serializer)


前言

上一篇文章我们讲述了序列化,这篇就带大家一起来实现以下序列化
 

Serializer

我们使用序列化类Serializer,我们来看下源码结构,这里推荐使用pycharm左边导航栏的Structure,可以清晰的看到一个文件的结构,如下图

我们会发现Serializer继承自BaseSerializerSerializerMetaclass,但是Serializer类中又没有create方法和update方法,所以我们使用的时候必须自己手动定义这2个方法
 

准备工作

1.新建一个项目drf_demo,在项目中新建一个appdrf_app,在app中新建一个文件urls.py,项目结构如下

2.在models.py文件中写入如下代码

class Student(models.Model):

    SEX_CHOICES = (
        (1,'男'),
        (2, '女')
    )

    name = models.CharField(max_length=20, verbose_name='姓名')
    age = models.IntegerField(null=True, blank=True, verbose_name='年龄')
    sex = models.IntegerField(choices=SEX_CHOICES, default=1, verbose_name='性别')

    class Meta:
        db_table = "student"

3.在drf_demo.urls.pydrf_app.urls.py中分别写入如下代码

# drf_demo.urls.py
urlpatterns = [
    path('drf/', include('drf_app.urls')),
]

# drf_app.urls.py
app_name = "drf_app"
urlpatterns = [
    path('student/', views.student),
]

4.在settings.py文件的MIDDLEWARE中注释掉django.middleware.csrf.CsrfViewMiddleware,并在INSTALLED_APPS中加入2个app

'rest_framework',
'drf_app'

5.在命令行输入以下命令,将orm对象映射到数据库

python manage makemigrations
python manage migrate

6.写序列化类一般我们都在app项目中新建serializers.py文件,接下来可以正式编写序列化类了
 

序列化类编写

# Serializer的构造函数的参数:
# 1. instance:需要传递一个orm对象,或者是一个queryset对象,用来将orm转成json
# 2. data:把需要验证的数据传递给data,用来验证这些数据是不是符合要求
# 3. many:如果instance是一个queryset对象,那么就需要设置为True,否则为False

class StudentSerializer(serializers.Serializer):
    # 序列化提供给前台的字段个数由后台决定,可以少提供
    # 但是提供的数据库对应的字段,名字一定要与数据库字段相同

    id = serializers.IntegerField(read_only=True)
    name = serializers.CharField(required=True, max_length=200)
    sex = serializers.IntegerField(required=True)
    age = serializers.IntegerField(required=True)

    def create(self, validated_data):
        """
        根据提供的验证过的数据创建并返回一个新的`Student`实例
        """
        return Student.objects.create(**validated_data)

    def update(self, instance, validated_data):
        """
        根据提供的验证过的数据更新和返回一个已经存在的`Student`实例。
        """
        instance.name = validated_data.get('name', instance.name)
        instance.age = validated_data.get('name', instance.age)
        instance.sex = validated_data.get('name', instance.sex)
        instance.save()
        return instance

    # 局部钩子 validate_要校验的字段名(self, 当前要校验字段的值)
    def validate_name(self, value):
        if 'j' in value.lower():
            raise exceptions.ValidationError("名字非法")
        return value

    def validate_sex(self, value):
        if not isinstance(value, int):
            raise exceptions.ValidationError("只能输入int类型")
        if value != 1 and value != 2 :
            raise exceptions.ValidationError("只能输入男和女")
        return value

    # 全局钩子 validate(self, 系统与局部钩子校验通过的所有数据)
    def validate(self, attrs):
        age = attrs.get('age')
        sex = attrs.get('sex')
        if age < 22 and sex == 1:
            raise exceptions.ValidationError({"age&sex": "男的必须22周岁以上才能结婚"})
        return attrs

我们上面代码首先定义了序列化的字段,字段中的参数都继承自Field类,参数如下

def __init__(self, read_only=False, write_only=False,
             required=None, default=empty, initial=empty, source=None,
             label=None, help_text=None, style=None,
             error_messages=None, validators=None, allow_null=False):
  • read_only:当为True时表示这个字段只能读,只有在返回数据的时候会使用。
  • write_only:当为True时表示这个字段只能写,只有在新增数据或者更新数据的时候会用到。比如我们的账号密码,只允许用户提交,后端是不返回密码给前台的
  • required:当为True时表示这个字段必填,不填状态码会返回400
  • default:默认值,没什么好说的
  • allow_null:当为True时,允许该字段的值为空

  之后我们又定义了局部钩子,校验特殊的字段,比如需求规定,用户的性别只能输入男和女,此时你就可以定义一个钩子,当然drf自动帮我们做了一些校验,比如需要的字段是int类型,你输入string类型,会自动触发系统的error,不需要我们额外定义,后面我们会进行测试

  接下来我们又定义了一个全局的钩子,意思就是针对整个数据进行校验,最适合的场景比如密码重复输入,一般我们注册的时候,需要输入2次密码,第二次用来确认,这个场景就适合用全局钩子
 
编写完serializers后,我们最后一步,编写视图函数,如下:

def student(request):
    # 获取所有的学生
    if request.method == "GET":
        # 创建一个queryset对象
        stu = Student.objects.all()
        # 将对象序列化为dict 
        stu_data = StudentSerializer(instance=stu, many=True).data
        return JsonResponse(status=200, data=stu_data, safe=False)
    elif request.method == "POST":
        data = JSONParser().parse(request)
        serializer = StudentSerializer(data=data)
        # 校验字段是否符合规范
        if serializer.is_valid():
            # 符合则保存到数据库
            serializer.save()
            return JsonResponse(data=serializer.data, status=200)
        return JsonResponse(serializer.errors, status=400)

测试

测试分为GET请求和POST请求
 

GET请求

我们打开接口测试工具postman或者apifox,这里以apifox为例,输入127.0.0.1:8000/drf/student/,得到了以下结果

[
    {
        "id": 1,
        "name": "jkc",
        "sex": 1,
        "age": 18
    },
    {
        "id": 2,
        "name": "mary",
        "sex": 2,
        "age": 20
    }
]

说明序列化成功,成功地将数据库的数据通过json的格式返回给了前台
 

POST请求

同样打开接口工具,输入127.0.0.1:8000/drf/student/,在body中选择json格式,输入如下数据

{
    "name": "aaaa",
    "sex": 2,
    "age": 18
}

运行结果如下:

{
    "id": 13,
    "name": "aaaa",
    "sex": 2,
    "age": 18
}

说明我们反序列化也成功了,小伙伴们自己实践时可以查看数据库,会多了一条这样的数据
接下来我们是否能触发钩子函数
 

测试validate_name钩子

输入测试数据

{
    "name": "jjj",
    "sex": 2,
    "age": 18
}

返回结果如下:

{
    "name": [
        "名字非法"
    ]
}

 

测试validate_sex钩子

输入测试数据

{
    "name": "kkk",
    "sex": 3,
    "age": 18
}

返回结果如下:

{
    "sex": [
        "只能输入男和女"
    ]
}

 

测试默认的输入类型错误

输入测试数据

{
    "name": "kkk",
    "sex": "???",
    "age": 18
}

返回结果如下:

{
    "sex": [
        "请填写合法的整数值。"
    ]
}

 

测试默认的必填项不填

输入测试数据

{
    "name": "kkk"
}

返回结果如下:

{
    "sex": [
        "该字段是必填项。"
    ],
    "age": [
        "该字段是必填项。"
    ]
}

 

测试全局钩子

输入测试数据

{
    "name": "kkk",
    "sex": 1,
    "age": 18
}

返回结果如下:

{
    "age&sex": [
        "男的必须22周岁以上才能结婚"
    ]
}

 

总结

  1. 设置必填与选填序列化字段,设置校验规则
  2. 为需要额外校验的字段提供局部钩子函数,如果该字段不入库,且不参与全局钩子校验,可以将值取出校验
  3. 为有联合关系的字段们提供全局钩子函数,如果某些字段不入库,可以将值取出校验
  4. 重写create方法,完成校验通过的数据入库工作,得到新增的对象

本站声明:网站内容来源于网络,如有侵权,请联系我们,我们将及时处理。

  • 分享:
评论
还没有评论
    发表评论 说点什么