* Lire le contenu de la requête en tant que JSON.
* Convertir les types correspondants (si nécessaire).
* Valider la donnée.
    * Si la donnée est invalide, une erreur propre et claire sera renvoyée, indiquant exactement où et quelle était la donnée incorrecte.
* Passer la donnée reçue dans le paramètre `item`.

Et aussi après que la `response` a été générée, avant de la renvoyer.

Par exemple, vous pourriez ajouter un en-tête personnalisé `X-Process-Time` contenant le temps en secondes nécessaire pour traiter la requête et générer une réponse :

{* ../../docs_src/middleware/tutorial001_py310.py hl[10,12:13] *}

/// tip | Astuce

///

Si `bump-pydantic` no funciona para tu caso de uso, puedes usar la compatibilidad de modelos Pydantic v1 y v2 en la misma app para hacer la migración a Pydantic v2 de forma gradual.

Podrías primero actualizar Pydantic para usar la última versión 2, y cambiar los imports para usar `pydantic.v1` para todos tus modelos.

{* ../../docs_src/body_fields/tutorial001_an_py310.py hl[11:14] *}

`Field` funciona de la misma manera que `Query`, `Path` y `Body`, tiene todos los mismos parámetros, etc.

/// note | Detalles técnicos

En realidad, `Query`, `Path` y otros que verás a continuación crean objetos de subclases de una clase común `Param`, que es a su vez una subclase de la clase `FieldInfo` de Pydantic.

Y `Field` de Pydantic también regresa una instance de `FieldInfo`.

Si la valeur de premier niveau du corps JSON attendu est un `array` JSON (une `list` Python), vous pouvez déclarer le type dans le paramètre de la fonction, de la même manière que dans les modèles Pydantic :

```Python
images: list[Image]
```

comme :

{* ../../docs_src/body_nested_models/tutorial008_py310.py hl[13] *}

</blockquote>

## Recherche { #investigation }

/// note | Nota

Ten en cuenta que diferentes herramientas podrían tener diferentes niveles de soporte de OpenAPI.

Algunas de ellas podrían no mostrar toda la información extra declarada todavía, aunque en la mayoría de los casos, la funcionalidad faltante ya está planificada para desarrollo.

///

Puedes agregar un `title`:

{* ../../docs_src/query_params_str_validations/tutorial007_an_py310.py hl[10] *}

constraints.Length.message = La longueur de {item} doit être comprise entre {min} et {max}.
constraints.LuhnCheck.message = La somme de contrôle Luhn Modulo 11 de {value} est incorrecte.
constraints.Mod10Check.message = La somme de contrôle Modulo 10 de {value} est incorrecte.
constraints.Mod11Check.message = La somme de contrôle Modulo 11 de {value} est incorrecte.
constraints.ModCheck.message = La somme de contrôle {modType} de {value} est incorrecte.

Vous pouvez définir des paramètres de cookie de la même manière que vous définissez les paramètres `Query` et `Path`.

## Importer `Cookie` { #import-cookie }

Commencez par importer `Cookie` :

{* ../../docs_src/cookie_params/tutorial001_an_py310.py hl[3] *}

## Déclarer des paramètres `Cookie` { #declare-cookie-parameters }

Déclarez ensuite les paramètres de cookie en utilisant la même structure qu'avec `Path` et `Query`.

Selon votre cas d'utilisation, vous pourriez préférer une autre bibliothèque, mais si vous me le demandiez, je vous suggérerais probablement d'essayer **Strawberry**.

Voici un petit aperçu de la manière dont vous pouvez intégrer Strawberry avec FastAPI :