Y compris des bibliothèques externes également basées sur Pydantic, servant d’<abbr title="Object-Relational Mapper - Mappeur objet-relationnel">ORM</abbr>, d’<abbr title="Object-Document Mapper - Mappeur objet-document">ODM</abbr> pour les bases de données.

<div class="termy">

```console
$ pip install jinja2

---> 100%
```

</div>

## Utiliser `Jinja2Templates` { #using-jinja2templates }

- Importez `Jinja2Templates`.
- Créez un objet `templates` que vous pourrez réutiliser par la suite.
- Déclarez un paramètre `Request` dans le *chemin d'accès* qui renverra un template.

**FastAPI** sait quoi faire dans chaque cas et comment réutiliser le même objet, afin que toutes les tâches d'arrière-plan soient fusionnées et que les tâches soient ensuite exécutées en arrière-plan :

{* ../../docs_src/background_tasks/tutorial002_an_py310.py hl[13,15,22,25] *}

Ainsi, si nous créons un objet Pydantic `user_in` comme :

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

et que nous appelons ensuite :

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

nous avons maintenant un `dict` avec les données dans la variable `user_dict` (c'est un `dict` au lieu d'un objet modèle Pydantic).

Et si nous appelons :

Et les éditeurs ne peuvent pas apporter beaucoup d'assistance (comme l'autocomplétion) pour les `dict`, car ils ne peuvent pas connaître leurs clés ni les types de valeurs.

Nous pouvons faire mieux ...

## Ce qui fait d'un objet une dépendance { #what-makes-a-dependency }

Jusqu'à présent, vous avez vu des dépendances déclarées sous forme de fonctions.

/// tip | Astuce

Vous pouvez utiliser toute autre bibliothèque SQL ou NoSQL que vous voulez (dans certains cas appelées <abbr title="Object Relational Mapper - Mappeur objet-relationnel: un terme sophistiqué pour une bibliothèque où certaines classes représentent des tables SQL et les instances représentent des lignes dans ces tables">« ORMs »</abbr>), FastAPI ne vous impose rien. 😎

///

La CLI `fastapi` tentera de détecter automatiquement l’application FastAPI à exécuter, en supposant qu’il s’agit d’un objet nommé `app` dans un fichier `main.py` (ou quelques autres variantes).

Mais vous pouvez configurer explicitement l’application à utiliser.

les convertir en quelque chose qui peut être envoyé sur le réseau. Par exemple, convertir un objet contenant des
données provenant d'une base de données en un objet JSON. Convertir des objets `datetime` en strings, etc.

La validation des données est une autre fonctionnalité importante dont ont besoin les API. Elle permet de s'assurer

{* ../../docs_src/extending_openapi/tutorial001_py310.py hl[2,15:21] *}

### Modifier le schéma OpenAPI { #modify-the-openapi-schema }

Vous pouvez maintenant ajouter l’extension ReDoc, en ajoutant un `x-logo` personnalisé à l’« objet » `info` dans le schéma OpenAPI :

{* ../../docs_src/extending_openapi/tutorial001_py310.py hl[22:24] *}

### Mettre en cache le schéma OpenAPI { #cache-the-openapi-schema }

Ensuite, vous créez une instance de cette classe avec certaines valeurs et elle validera les valeurs, les convertira dans le type approprié (le cas échéant) et vous donnera un objet avec toutes les données.

Et vous obtenez tout le support de l'éditeur avec cet objet résultant.

Un exemple tiré de la documentation officielle de Pydantic :

{* ../../docs_src/python_types/tutorial011_py310.py *}

/// info