///

## Anwendungsfälle { #use-cases }

Sie könnten dies verwenden, um Daten von einem **AI LLM**-Service, aus **Logs** oder **Telemetrie**, oder aus anderen Typen von Daten zu streamen, die sich in **JSON**-Items strukturieren lassen.

/// tip | Tipp

Wenn Sie Binärdaten streamen möchten, zum Beispiel Video oder Audio, sehen Sie sich den erweiterten Leitfaden an: [Daten streamen](../advanced/stream-data.md).

///

        #; !NotInScope = map:{ $$ALL$$ = list:{ $$VersionNo$$ } }
    }
    ; Date = map:{
        # [Include]
        # Date columns may not be needed
        # to be set these condition-keys basically.
        ; NotEqual = map:{}
        ; InScope = map:{}
        ; NotInScope = map:{}

        # [Exclude]
        # Common columns of Date type may not be needed
        # to be set these condition-keys basically.

labels.crawling_info_WebFsCrawlExecTime=Crawl-Ausführungszeit (Web/Datei)
labels.crawling_info_WebFsCrawlStartTime=Crawl-Startzeit (Web/Datei)
labels.crawling_info_WebFsCrawlEndTime=Crawl-Endzeit (Web/Datei)
labels.crawling_info_WebFsIndexExecTime=Indizierungs-Ausführungszeit (Web/Datei)
labels.crawling_info_WebFsIndexSize=Indexgröße (Web/Datei)
labels.crawling_info_DataCrawlExecTime=Crawl-Ausführungszeit (Datenspeicher)

errors.crud_failed_to_create_instance = No se pudieron crear nuevos datos.
errors.crud_failed_to_create_crud_table = No se pudieron crear nuevos datos. ({0})
errors.crud_failed_to_update_crud_table=No se pudieron actualizar los datos. ({0})
errors.crud_failed_to_delete_crud_table=No se pudieron eliminar los datos. ({0})
errors.crud_could_not_find_crud_table = No se encontraron los datos {0}.

Sie müssen also sicherstellen, dass Ihre Daten vom richtigen Typ sind. Z. B. sollten diese mit JSON kompatibel sein, wenn Sie eine `JSONResponse` zurückgeben.

Und auch, dass Sie keine Daten senden, die durch ein `response_model` hätten gefiltert werden sollen.

///

### Mehr Informationen { #more-info }

/// note | Technische Details

# Usar el Request Directamente { #using-the-request-directly }

Hasta ahora, has estado declarando las partes del request que necesitas con sus tipos.

Tomando datos de:

* El path como parámetros.
* Headers.
* Cookies.
* etc.

Y al hacerlo, **FastAPI** está validando esos datos, convirtiéndolos y generando documentación para tu API automáticamente.

Pero hay situaciones donde podrías necesitar acceder al objeto `Request` directamente.

        final Date date = toDate("11:49");
        assertThat(new SimpleDateFormat("HH:mm:ss").format(date), is("11:49:00"));
    }

    /**
     * @throws Exception
     */
    @Test
    public void testToDate_MediumStyle() throws Exception {
        final Date date = toDate("11:49:10");
        assertThat(new SimpleDateFormat("HH:mm:ss").format(date), is("11:49:10"));
    }

    /**

Los modelos Pydantic tienen un método `.model_dump()` que devuelve un `dict` con los datos del modelo.

Así que, si creamos un objeto Pydantic `user_in` como:

```Python
user_in = UserIn(username="john", password="secret", email="******@****.***")
```

y luego llamamos a:

```Python
user_dict = user_in.model_dump()
```

ahora tenemos un `dict` con los datos en la variable `user_dict` (es un `dict` en lugar de un objeto modelo Pydantic).

type preSignValues struct {
	signValues
	Date    time.Time
	Expires time.Duration
}

// Parses signature version '4' query string of the following form.
//
//	querystring = X-Amz-Algorithm=algorithm
//	querystring += &X-Amz-Credential= urlencode(accessKey + '/' + credential_scope)
//	querystring += &X-Amz-Date=date
//	querystring += &X-Amz-Expires=timeout interval

	testCases := []struct {
		date           time.Time
		expectedOutput string
	}{
		{
			date:           time.Date(2009, time.November, 13, 4, 51, 1, 940303531, time.UTC),
			expectedOutput: "2009-11-13T04:51:01.940Z",
		},
		{
			date:           time.Date(2009, time.November, 13, 4, 51, 1, 901303531, time.UTC),
			expectedOutput: "2009-11-13T04:51:01.901Z",
		},
		{