你也可以用相同方式來宣告 `tuple` 與 `set`：

{* ../../docs_src/python_types/tutorial007_py310.py hl[1] *}

這代表：

* 變數 `items_t` 是一個有 3 個項目的 `tuple`，分別是 `int`、`int` 和 `str`。
* 變數 `items_s` 是一個 `set`，而其中每個項目都是 `bytes` 型別。

#### Dict { #dict }

定義 `dict` 時，你需要傳入 2 個以逗號分隔的型別參數。

第一個型別參數是 `dict` 的鍵（key）。

第二個型別參數是 `dict` 的值（value）：

{* ../../docs_src/python_types/tutorial008_py310.py hl[1] *}

這代表：

对具有内部类型的模型属性也使用相同的标准语法。

因此，在我们的示例中，我们可以将 `tags` 明确地指定为一个「字符串列表」：

{* ../../docs_src/body_nested_models/tutorial002_py310.py hl[12] *}

## Set 类型 { #set-types }

但是随后我们考虑了一下，意识到标签不应该重复，它们很大可能会是唯一的字符串。

而 Python 有一种用于保存唯一元素集合的特殊数据类型 `set`。

然后我们可以将 `tags` 声明为一个由字符串组成的 set：

{* ../../docs_src/body_nested_models/tutorial003_py310.py hl[12] *}

这样，即使你收到带有重复数据的请求，这些数据也会被转换为一组唯一项。

而且，每当你输出该数据时，即使源数据有重复，它们也将作为一组唯一项输出。

声明 `tuple` 和 `set` 的方式类似：

{* ../../docs_src/python_types/tutorial007_py310.py hl[1] *}

这表示：

* 变量 `items_t` 是一个含有 3 个元素的 `tuple`，分别是一个 `int`、另一个 `int`，以及一个 `str`。
* 变量 `items_s` 是一个 `set`，其中每个元素的类型是 `bytes`。

#### 字典 { #dict }

定义 `dict` 时，需要传入 2 个类型参数，用逗号分隔。

第一个类型参数用于字典的键。

第二个类型参数用于字典的值：

{* ../../docs_src/python_types/tutorial008_py310.py hl[1] *}

这表示：

* 变量 `prices` 是一个 `dict`：

{* ../../docs_src/python_types/tutorial007_py310.py hl[1] *}

つまり:

* 変数 `items_t` は `int`、別の `int`、`str` の 3 つの項目を持つ `tuple` です。
* 変数 `items_s` は `set` であり、その各項目は `bytes` 型です。

#### Dict { #dict }

`dict` を定義するには、カンマ区切りで 2 つの型パラメータを渡します。

最初の型パラメータは `dict` のキーです。

2 番目の型パラメータは `dict` の値です:

{* ../../docs_src/python_types/tutorial008_py310.py hl[1] *}

つまり:

Örneğin bir `Image` modeli tanımlayabiliriz:

{* ../../docs_src/body_nested_models/tutorial004_py310.py hl[7:9] *}

### Alt modeli tip olarak kullanın { #use-the-submodel-as-a-type }

Ardından bunu bir attribute’un tipi olarak kullanabiliriz:

{* ../../docs_src/body_nested_models/tutorial004_py310.py hl[18] *}

Bu da **FastAPI**’nin aşağıdakine benzer bir body bekleyeceği anlamına gelir:

```JSON
{

Für ein Beispiel können wir ein `Image`-Modell definieren.

{* ../../docs_src/body_nested_models/tutorial004_py310.py hl[7:9] *}

### Das Kindmodell als Typ verwenden { #use-the-submodel-as-a-type }

Und dann können wir es als Typ eines Attributes verwenden:

{* ../../docs_src/body_nested_models/tutorial004_py310.py hl[18] *}

Das würde bedeuten, dass **FastAPI** einen Body wie folgt erwartet:

```JSON
{

Por exemplo, nós podemos definir um modelo `Image`:

{* ../../docs_src/body_nested_models/tutorial004_py310.py hl[7:9] *}

### Use o sub-modelo como um tipo { #use-the-submodel-as-a-type }

E então podemos usá-lo como o tipo de um atributo:

{* ../../docs_src/body_nested_models/tutorial004_py310.py hl[18] *}

Isso significa que o **FastAPI** vai esperar um corpo similar à:

```JSON
{
    "name": "Foo",

Por ejemplo, podemos definir un modelo `Image`:

{* ../../docs_src/body_nested_models/tutorial004_py310.py hl[7:9] *}

### Usar el submodelo como tipo { #use-the-submodel-as-a-type }

Y luego podemos usarlo como el tipo de un atributo:

{* ../../docs_src/body_nested_models/tutorial004_py310.py hl[18] *}

Esto significaría que **FastAPI** esperaría un cuerpo similar a:

```JSON
{
    "name": "Foo",

Par exemple, nous pouvons définir un modèle `Image` :

{* ../../docs_src/body_nested_models/tutorial004_py310.py hl[7:9] *}

### Utiliser le sous-modèle comme type { #use-the-submodel-as-a-type }

Nous pouvons ensuite l'utiliser comme type d'un attribut :

{* ../../docs_src/body_nested_models/tutorial004_py310.py hl[18] *}

Cela signifie que FastAPI attendrait un corps similaire à :

```JSON
{
    "name": "Foo",

import importlib

import pytest
from fastapi.testclient import TestClient
from inline_snapshot import snapshot


@pytest.fixture(
    name="client",
    params=[
        pytest.param("tutorial008_py310"),
    ],
)
def get_client(request: pytest.FixtureRequest):
    mod = importlib.import_module(f"docs_src.body_nested_models.{request.param}")

    client = TestClient(mod.app)
    return client