但那不是宣告相依性的唯一方式（雖然那大概是最常見的）。

關鍵在於，相依性應該要是「callable」。

在 Python 中，「**callable**」指的是任何可以像函式一樣被 Python「呼叫」的東西。

因此，如果你有一個物件 `something`（它可能不是函式），而你可以像這樣「呼叫」（執行）它：

```Python
something()
```

或是

```Python
something(some_argument, some_keyword_argument="foo")
```

那它就是一個「callable」。

## 以類別作為相依性 { #classes-as-dependencies_1 }

你可能已經注意到，建立一個 Python 類別的實例時，你用的語法也是一樣的。

例如：

```Python
class Cat:

```

</div>

////

## 在 Python 中读取环境变量 { #read-env-vars-in-python }

你也可以在 Python **之外**的终端中创建环境变量（或使用任何其他方法），然后在 Python 中**读取**它们。

例如，你可以创建一个名为 `main.py` 的文件，其中包含以下内容：

```Python hl_lines="3"
import os

name = os.getenv("MY_NAME", "World")
print(f"Hello {name} from Python")
```

/// tip | 提示

第二个参数是 [`os.getenv()`](https://docs.python.org/3.8/library/os.html#os.getenv) 的默认返回值。

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

ve sonra şunu çağırırsak:

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

artık `user_dict` değişkeninde modelin verilerini içeren bir `dict` vardır (Pydantic model nesnesi yerine bir `dict` elde etmiş oluruz).

Ve eğer şunu çağırırsak:

```Python
print(user_dict)
```

import jakarta.servlet.ServletContext;

/**
 * Job for executing Python scripts within the Fess search engine environment.
 * This job extends ExecJob to provide Python-specific functionality for running
 * Python scripts with proper environment setup and argument passing.
 *
 * <p>Python scripts are executed in the WEB-INF/env/python/resources directory

/home/user/code/awesome-project/.venv/bin/python
```

</div>

////

//// tab | Windows PowerShell

<div class="termy">

```console
$ Get-Command python

C:\Users\user\code\awesome-project\.venv\Scripts\python
```

</div>

////

Bu, kullanılacak `python` programının **virtual environment'in içindeki** Python olduğu anlamına gelir.

### Только современный Python { #just-modern-python }

Все основано на стандартных **аннотациях типов Python** (благодаря Pydantic). Не нужно изучать новый синтаксис. Только стандартный современный Python.

Если вам нужно освежить знания о типах в Python (даже если вы не используете FastAPI), выделите 2 минуты и просмотрите краткое руководство: [Типы Python](python-types.md).

Вы пишете стандартный Python с типами:

但这并不是声明依赖项的唯一方法(尽管它可能是更常见的方法)。

关键因素是依赖项应该是 "可调用对象"。

Python 中的 "**可调用对象**" 是指任何 Python 可以像函数一样 "调用" 的对象。

所以，如果你有一个对象 `something` (可能*不是*一个函数)，你可以 "调用" 它(执行它)，就像：

```Python
something()
```

或者

```Python
something(some_argument, some_keyword_argument="foo")
```

这就是 "可调用对象"。

## 类作为依赖项 { #classes-as-dependencies_1 }

你可能会注意到，要创建一个 Python 类的实例，你可以使用相同的语法。

举个例子:

```Python
class Cat:

```

</div>

////

## Read env vars in Python { #read-env-vars-in-python }

You could also create environment variables **outside** of Python, in the terminal (or with any other method), and then **read them in Python**.

For example you could have a file `main.py` with:

```Python hl_lines="3"
import os

name = os.getenv("MY_NAME", "World")
print(f"Hello {name} from Python")
```

/// tip

Hello Wade Wilson
```

</div>

////

## Lire des variables d'environnement en Python { #read-env-vars-in-python }

Vous pouvez également créer des variables d'environnement **en dehors** de Python, dans le terminal (ou par tout autre moyen), puis les **lire en Python**.

Par exemple, vous pouvez avoir un fichier `main.py` contenant :

```Python hl_lines="3"
import os

name = os.getenv("MY_NAME", "World")

Поэтому, если мы создадим Pydantic-объект `user_in` таким способом:

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

и затем вызовем:

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

то теперь у нас есть `dict` с данными в переменной `user_dict` (это `dict` вместо объекта Pydantic-модели).

И если мы вызовем:

```Python
print(user_dict)
```

мы получим Python `dict` с: