That's what makes it possible to have multiple automatic interactive documentation interfaces, code generation, etc.

OpenAPI has a way to define multiple security "schemes".

By using them, you can take advantage of all these standard-based tools, including these interactive documentation systems.

OpenAPI defines the following security schemes:

* `apiKey`: an application specific key that can come from:
    * A query parameter.
    * A header.

Wenn Sie keinen spezifischen Wert haben wollen, sondern der Parameter einfach optional sein soll, dann setzen Sie den Defaultwert auf `None`.

Aber wenn Sie wollen, dass ein Query-Parameter erforderlich ist, vergeben Sie einfach keinen Defaultwert:

{* ../../docs_src/query_params/tutorial005.py hl[6:7] *}

Hier ist `needy` ein erforderlicher Query-Parameter vom Typ `str`.

Wenn Sie in Ihrem Browser eine URL wie:

```

Trotzdem können Sie das in **FastAPI** tun, indem Sie eines der internen Tools von Starlette verwenden.

Die Dokumentation würde weiterhin funktionieren, allerdings wird nicht dokumentiert werden, dass der Parameter ein Pfad sein sollte.

### Pfad Konverter

Mittels einer Option direkt von Starlette können Sie einen *Pfad-Parameter* deklarieren, der einen Pfad enthalten soll, indem Sie eine URL wie folgt definieren:

```

---

Hier ist, was Sie beachten sollten und wie Sie einen Pull Request überprüfen:

### Das Problem verstehen

* Stellen Sie zunächst sicher, dass Sie **das Problem verstehen**, welches der Pull Request zu lösen versucht. Möglicherweise gibt es eine längere Diskussion dazu in einer GitHub-Diskussion oder einem GitHub-Issue.

Durch die Validierung der Daten mit Pydantic können wir sicherstellen, dass wir beispielsweise präzise eine `list`e von `str`s mit den Scopes und einen `str` mit dem `username` haben.

Anstelle beispielsweise eines `dict`s oder etwas anderem, was später in der Anwendung zu Fehlern führen könnte und darum ein Sicherheitsrisiko darstellt.

    class InterfaceMethodContractTest {

        @Test
        @DisplayName("Should define exactly four public methods")
        void shouldDefineExactlyFourPublicMethods() {
            java.lang.reflect.Method[] methods = SmbSession.class.getDeclaredMethods();
            assertEquals(4, methods.length, "SmbSession should define exactly 4 methods");
        }

        @Test

 */
@TestInstance(TestInstance.Lifecycle.PER_CLASS)
class FileInformationTest {

    /**
     * Test that interface constants are correctly defined
     */
    @Test
    @DisplayName("Test FileInformation constants are correctly defined")
    void testInterfaceConstants() {
        // Verify all constants have expected values
        assertEquals((byte) 20, FileInformation.FILE_ENDOFFILE_INFO);

Dennoch besteht in beiden Fällen eine gute Chance, dass **FastAPI** [immer noch schneller](index.md#performanz){.internal-link target=_blank} als Ihr bisheriges Framework (oder zumindest damit vergleichbar) ist.

### Abhängigkeiten

    * Because pydantic data structures are just instances of classes you define; auto-completion, linting, mypy and your intuition should all work properly with your validated data.
* Validate **complex structures**:
    * Use of hierarchical Pydantic models, Python `typing`’s `List` and `Dict`, etc.
    * And validators allow complex data schemas to be clearly and easily defined, checked and documented as JSON Schema.

/**
 * Test class for NtStatus constants
 */
@DisplayName("NtStatus Tests")
class NtStatusTest {

    @Test
    @DisplayName("Should define well-known NT status constants")
    void testWellKnownStatusConstants() {
        // Verify important NT status constants are defined
        assertEquals(0x00000000, NtStatus.NT_STATUS_SUCCESS);
        assertEquals((int) 0xC0000022L, NtStatus.NT_STATUS_ACCESS_DENIED);