import re
import warnings
from collections.abc import Sequence
from copy import copy
from dataclasses import dataclass, is_dataclass
from enum import Enum
from functools import lru_cache
from typing import (
    Annotated,
    Any,
    Literal,
    Union,
    cast,
    get_args,
    get_origin,
)

from fastapi._compat import lenient_issubclass, shared
from fastapi.openapi.constants import REF_TEMPLATE

3. Dataclass `Author` содержит список dataclass `Item`.

4. Dataclass `Author` используется в параметре `response_model`.

5. Вы можете использовать и другие стандартные аннотации типов вместе с dataclasses в качестве тела запроса.

    В этом случае это список dataclass `Item`.

6. Здесь мы возвращаем словарь, содержащий `items`, который является списком dataclass.

1. 依然として標準の `dataclasses` から `field` をインポートします。

2. `pydantic.dataclasses` は `dataclasses` のドロップイン置換です。

3. `Author` dataclass は `Item` dataclass のリストを含みます。

4. `Author` dataclass を `response_model` パラメータとして使用しています。

5. リクエストボディとしての dataclass と併せて、他の標準の型注釈を使用できます。

    この例では、`Item` dataclass のリストです。

6. ここでは、dataclass のリストである `items` を含む辞書を返しています。

    FastAPI はデータを JSON に <dfn title="送信可能な形式にデータを変換すること">シリアライズ</dfn> できます。

2. `pydantic.dataclasses` 是 `dataclasses` 的可直接替換版本。
3. `Author` dataclass 內含一個 `Item` dataclass 的清單。
4. `Author` dataclass 被用作 `response_model` 參數。
5. 你可以將其他標準型別註記與 dataclass 一起用作請求本文。

   在此例中，它是 `Item` dataclass 的清單。
6. 這裡我們回傳一個字典，其中的 `items` 是一個 dataclass 清單。

   FastAPI 仍能將資料<dfn title="將資料轉換成可傳輸的格式">序列化</dfn>為 JSON。
7. 這裡 `response_model` 使用的是「`Author` dataclass 的清單」這種型別註記。

   同樣地，你可以把 `dataclasses` 與標準型別註記組合使用。

3. Dataclass `Author` містить список dataclass `Item`.

4. Dataclass `Author` використовується як параметр `response_model`.

5. Ви можете використовувати інші стандартні анотації типів із dataclasses як тіло запиту.

    У цьому випадку це список dataclass `Item`.

6. Тут ми повертаємо словник, що містить `items`, який є списком dataclass.

from dataclasses import dataclass
from datetime import datetime

from fastapi import FastAPI
from fastapi.testclient import TestClient

app = FastAPI()


@dataclass
class Item:
    name: str
    date: datetime
    price: float | None = None
    owner_ids: list[int] | None = None


@app.get("/items/valid", response_model=Item)
def get_valid():
    return {"name": "valid", "date": datetime(2021, 7, 26), "price": 1.0}

Ancak elinizde zaten bir sürü dataclass varsa, bunları FastAPI ile bir web API'yi beslemek için kullanmak güzel bir numaradır. 🤓

///

## `response_model` İçinde Dataclass'lar { #dataclasses-in-response-model }

`response_model` parametresinde `dataclasses` da kullanabilirsiniz:

{* ../../docs_src/dataclasses_/tutorial002_py310.py hl[1,6:12,18] *}

Dataclass otomatik olarak bir Pydantic dataclass'ına dönüştürülür.

También puedes usar `dataclasses` en el parámetro `response_model`:

{* ../../docs_src/dataclasses_/tutorial002_py310.py hl[1,6:12,18] *}

El dataclass será automáticamente convertido a un dataclass de Pydantic.

De esta manera, su esquema aparecerá en la interfaz de usuario de la documentación de la API:

<img src="/img/tutorial/dataclasses/image01.png">

Você também pode usar `dataclasses` no parâmetro `response_model`:

{* ../../docs_src/dataclasses_/tutorial002_py310.py hl[1,6:12,18] *}

A dataclass será automaticamente convertida para uma dataclass Pydantic.

Dessa forma, seu esquema aparecerá na interface de documentação da API:

<img src="/img/tutorial/dataclasses/image01.png">

Vous pouvez aussi utiliser `dataclasses` dans le paramètre `response_model` :

{* ../../docs_src/dataclasses_/tutorial002_py310.py hl[1,6:12,18] *}

La dataclass sera automatiquement convertie en dataclass Pydantic.

Ainsi, son schéma apparaîtra dans l'interface utilisateur de la documentation de l'API :

<img src="/img/tutorial/dataclasses/image01.png">