<function>
    <description>
      Returns Date from a given value.
    </description>
    <name>date</name>
    <function-class>org.codelibs.fess.taglib.FessFunctions</function-class>
    <function-signature>java.util.Date date(java.lang.Long)</function-signature>
    <example>
      ${fe:date(doc.tstamp)}
    </example>
  </function>

  <function>
    <description>
      Returns Date from a given value.
    </description>

     */
    public static int enc_time(final Date date, final byte[] dst, final int di, final int enc) {
        long t;

        return switch (enc) {
        case TIME_1970_SEC_32BE -> enc_uint32be((int) (date.getTime() / 1000L), dst, di);
        case TIME_1970_SEC_32LE -> enc_uint32le((int) (date.getTime() / 1000L), dst, di);

                runningDocsTestTask.get() -> "from current time because testing docs"
                runningOnCi.get() -> "from current time because CI"
                else -> "from current date"
            }
        }

    private
    fun Date.withoutTime(): Date = SimpleDateFormat("yyyy-MM-dd").run {
        parse(format(this@withoutTime))
    }

# Verwendung von Datenklassen { #using-dataclasses }

FastAPI basiert auf **Pydantic**, und ich habe Ihnen gezeigt, wie Sie Pydantic-Modelle verwenden können, um <abbr title="Request – Anfrage: Daten, die der Client zum Server sendet">Requests</abbr> und <abbr title="Response – Antwort: Daten, die der Server zum anfragenden Client zurücksendet">Responses</abbr> zu deklarieren.

* **Anforderungen** zu definieren: aus <abbr title="Request – Anfrage: Daten, die der Client zum Server sendet">Request</abbr>-Pfadparametern, Query-Parametern, Header-Feldern, Bodys, Abhängigkeiten, usw.
* **Daten umzuwandeln**: aus dem Request in den erforderlichen Typ.
* **Daten zu validieren**: aus jedem Request:
    * **Automatische Fehler** generieren, die an den Client zurückgegeben werden, wenn die Daten ungültig sind.
* Die API mit OpenAPI zu **dokumentieren**:

     * @throws Exception
     */
    @Test
    public void testGetAsObjectAndGetAsString() throws Exception {
        final SqlDateConverter converter = new SqlDateConverter("yyyy/MM/dd");
        final java.sql.Date result = (java.sql.Date) converter.getAsObject("2008/01/16");
        System.out.println(result);
        assertThat(converter.getAsString(result), is("2008/01/16"));
    }

    /**
     * @throws Exception
     */
    @Test

# Declarar Ejemplos de Request { #declare-request-example-data }

Puedes declarar ejemplos de los datos que tu aplicación puede recibir.

Aquí tienes varias formas de hacerlo.

## Datos extra de JSON Schema en modelos de Pydantic { #extra-json-schema-data-in-pydantic-models }

Puedes declarar `examples` para un modelo de Pydantic que se añadirá al JSON Schema generado.

//// tab | Pydantic v2

                + Hexdump.toHexString(createAction, 4) + ",creationTime=" + new Date(creationTime) + ",lastAccessTime="
                + new Date(lastAccessTime) + ",lastWriteTime=" + new Date(lastWriteTime) + ",changeTime=" + new Date(changeTime)
                + ",extFileAttributes=0x" + Hexdump.toHexString(extFileAttributes, 4) + ",allocationSize=" + allocationSize + ",endOfFile="

      newerThan: "7d10h31s" # match objects newer than this value (e.g. 7d10h31s)
      olderThan: "7d" # match objects older than this value (e.g. 7d10h31s)
#      createdAfter: "date" # match objects created after "date"
#      createdBefore: "date" # match objects created before "date"

      ## NOTE: tags are not supported when "source" is remote.
      tags:
         - key: "name"

Los modelos Pydantic tienen un método `.dict()` 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.dict()
```

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