### À propos de `**user_in.model_dump()` { #about-user-in-model-dump }

#### La méthode `.model_dump()` de Pydantic { #pydantics-model-dump }

`user_in` est un modèle Pydantic de classe `UserIn`.

Les modèles Pydantic ont une méthode `.model_dump()` qui renvoie un `dict` avec les données du modèle.

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

```Python

                    return Optional.ofNullable(res.getDependencyResolutionResult())
                            .map(r -> new DefaultDependencyResolverResult(
                                    null, r.getCollectionErrors(), session.getNode(r.getDependencyGraph()), 0));
                }
            };
        } catch (ProjectBuildingException e) {
            throw new ProjectBuilderException("Unable to build project", e);
        } finally {

pkg archive/zip, method (*File) SetModTime(time.Time)
pkg archive/zip, method (*File) SetMode(os.FileMode)
pkg archive/zip, method (*FileHeader) FileInfo() os.FileInfo
pkg archive/zip, method (*FileHeader) ModTime() time.Time
pkg archive/zip, method (*FileHeader) Mode() os.FileMode
pkg archive/zip, method (*FileHeader) SetModTime(time.Time)
pkg archive/zip, method (*FileHeader) SetMode(os.FileMode)
pkg archive/zip, method (*ReadCloser) Close() error

OpenAPI erfordert, dass jede Operation-ID innerhalb aller *Pfadoperationen* einzigartig ist. Daher verwendet FastAPI den **Funktionsnamen**, den **Pfad** und die **HTTP-Methode/-Operation**, um diese Operation-ID zu generieren. Denn so kann sichergestellt werden, dass die Operation-IDs einzigartig sind.

Aber ich zeige Ihnen als Nächstes, wie Sie das verbessern können. 🤓

///

## Ordre d’exécution de plusieurs middlewares { #multiple-middleware-execution-order }

Quand vous ajoutez plusieurs middlewares en utilisant soit le décorateur `@app.middleware()`, soit la méthode `app.add_middleware()`, chaque nouveau middleware enveloppe l’application, formant une pile. Le dernier middleware ajouté est le plus externe, et le premier est le plus interne.

///

## Ausführungsreihenfolge bei mehreren Middlewares { #multiple-middleware-execution-order }

Wenn Sie mehrere Middlewares hinzufügen, entweder mit dem `@app.middleware()` Dekorator oder der Methode `app.add_middleware()`, umschließt jede neue Middleware die Anwendung und bildet einen Stapel. Die zuletzt hinzugefügte Middleware ist die *äußerste*, und die erste ist die *innerste*.

### Über `**user_in.model_dump()` { #about-user-in-model-dump }

#### Pydantics `.model_dump()` { #pydantics-model-dump }

`user_in` ist ein Pydantic-Modell der Klasse `UserIn`.

Pydantic-Modelle haben eine `.model_dump()`-Methode, die ein <abbr title="Dictionary – Zuordnungstabelle: In anderen Sprachen auch Hash, Map, Objekt, Assoziatives Array genannt">`dict`</abbr> mit den Daten des Modells zurückgibt.

* den Pfad `/`
* unter der Verwendung der <dfn title="eine HTTP-GET-Methode"><code>get</code>-Operation</dfn> gehen

/// info | `@decorator` Info

Diese `@something`-Syntax wird in Python „Dekorator“ genannt.

Hello Wade Wilson
```

</div>

////

## Umgebungsvariablen in Python lesen { #read-env-vars-in-python }

Sie können auch Umgebungsvariablen **außerhalb** von Python erstellen, im Terminal (oder mit jeder anderen Methode) und sie dann **in Python** lesen.

Zum Beispiel könnten Sie eine Datei `main.py` haben mit:

```Python hl_lines="3"
import os

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

## Anwendungsfall { #use-case }

Beginnen wir mit einem Beispiel-**Anwendungsfall** und schauen uns dann an, wie wir ihn mit dieser Methode implementieren können.

Stellen wir uns vor, Sie verfügen über einige **Modelle für maschinelles Lernen**, die Sie zur Bearbeitung von Requests verwenden möchten. 🤖