服务器:
clikefrom fastapi import FastAPI from fastapi.responses import StreamingResponse from starlette.responses import FileResponse from pydantic import BaseModel app = FastAPI() # 创建一个 Base 模型,用于表示其他的 JSON 信息 class AdditionalInfo(BaseModel): message: str status: str @app.get("/get_demo_image_with_json") async def get_demo_image_with_json(): # 从文件中读取字节流 file_path = "face.png" file_like = open(file_path, mode="rb") # 模拟其他的 JSON 信息 json_info = AdditionalInfo(message="Image loaded successfully", status="OK") # 使用 StreamingResponse 返回字节流和其他的 JSON 信息 return StreamingResponse(file_like, media_type="image/jpeg", headers={"Additional-Info": json_info.model_dump_json()}) if __name__ == '__main__': import uvicorn uvicorn.run(app, host="0.0.0.0", port=8000)
客户端:
clikeimport requests url = "http://127.0.0.1:8000/get_demo_image_with_json" response = requests.get(url) # 检查请求是否成功 if response.status_code == 200: # 获取文件的字节流 image_data = response.content # 处理其他的 JSON 信息 additional_info = response.headers.get("Additional-Info") # 在此处添加您的处理逻辑,例如保存字节流到文件,解析 JSON 信息等 # ... print("Image loaded successfully.") print(f"Additional Info: {additional_info}") else: print(f"Failed to fetch image. Status code: {response.status_code}")
服务器代码:
clikeimport io from fastapi import FastAPI, File, UploadFile from fastapi.responses import StreamingResponse from pydantic import BaseModel app = FastAPI() # 创建一个 Base 模型,用于表示其他的 JSON 信息 class AdditionalInfo(BaseModel): message: str status: str @app.post("/get_demo_image_with_json") async def get_demo_image_with_json(): # 读取face.png image_data = open("face.png", "rb").read() # 模拟其他的 JSON 信息 json_info = AdditionalInfo(message="Image loaded successfully", status="OK") # 使用 StreamingResponse 返回字节流和其他的 JSON 信息 return StreamingResponse(io.BytesIO(image_data), media_type="image/png", headers={"Additional-Info": json_info.model_dump_json()}) if __name__ == '__main__': import uvicorn uvicorn.run(app, host="0.0.0.0", port=8000)
客户端参数:
clikeimport requests url = "http://127.0.0.1:8000/get_demo_image_with_json" response = requests.post(url) # 检查请求是否成功 if response.status_code == 200: # 获取文件的字节流 image_data = response.content # 写入文件 with open("demo_image_with_json.png", "wb") as fp: fp.write(image_data) # 打印其他参数 print(response.headers["Additional-Info"]) else: print(f"Failed to fetch image. Status code: {response.status_code}")
还有FileResponse、base64。
FileResponse太肤浅,base64对于大文件来说太大。
在 FastAPI 中,返回文件字节流的主要方式包括使用 StreamingResponse
和 FileResponse
。这两者都可以用于返回二进制数据,例如图像文件。
StreamingResponse: 适用于以流式方式发送数据,对于大型文件特别有用,因为它允许在数据生成时就开始发送,而不必等到整个数据集都可用。
pythonfrom fastapi.responses import StreamingResponse
@app.get("/get_demo_image")
async def get_demo_image():
image_data = open("face.png", "rb").read()
return StreamingResponse(io.BytesIO(image_data), media_type="image/png")
FileResponse: 适用于返回文件,可以从文件系统路径中读取文件内容,也可以通过 content
参数直接传递文件内容。
pythonfrom fastapi.responses import FileResponse
@app.get("/get_demo_image")
async def get_demo_image():
image_data = open("face.png", "rb").read()
return FileResponse(content=image_data, media_type="image/png")
这两种方法都是有效的,并且具体的选择可能取决于你的应用程序的需求和性能考虑。如果你希望以异步方式发送文件,你可能会更喜欢 StreamingResponse
。如果你只是从文件系统中返回文件,FileResponse
是一个更简单的选择。
clikefrom fastapi.responses import StreamingResponse from fastapi import Depends, FastAPI, Header, Query, Response, UploadFile, Form # 字节流 @app.post("/image_upscaler_bytes", summary="Image Upscaler Bytes", responses={image_upscaler_CustomErrorResponse.error_code: image_upscaler_CustomErrorResponse.to_response_dict()}) def image_upscaler_bytes(image: UploadFile = File(..., title="图像字节流", description="图像字节流"), outscale: float = Form(2, ge=1.0, le=5.0, title="图像超分倍率", description="图像超分倍率"), requestId: str = Form("", title="Request Id", description="requestId to be returned")): """ Image Upscaler. """ try: img = cv2.imdecode(np.fromstring(image.file.read(), np.uint8), cv2.IMREAD_COLOR) output, _ = upsampler.enhance(img, outscale=outscale) # output = enhance_image(img, outscale=outscale) if output is None: return image_upscaler_CustomErrorResponse() else: # 返回字节流 return StreamingResponse(io.BytesIO(cv2.imencode('.png', output)[1].tobytes()), media_type="image/png", headers={'requestId': requestId}) except: traceback.print_exc() return image_upscaler_CustomErrorResponse(str(traceback.format_exc()))
clikeFastAPI本身没有直接支持响应内容压缩的中间件,但你可以通过使用 Starlette 的中间件来实现这一功能。具体来说,Starlette 提供了 `Middleware` 类,你可以使用它来定义自定义中间件。以下是一个简单的例子,演示如何使用 Gzip 中间件来压缩响应内容: ```python from fastapi import FastAPI from fastapi.responses import StreamingResponse from starlette.responses import FileResponse from starlette.middleware.gzip import GZipMiddleware from pydantic import BaseModel app = FastAPI() # 使用 Gzip 中间件 app.add_middleware(GZipMiddleware, minimum_size=1000, compress_level=6) # 创建一个 Base 模型,用于表示其他的 JSON 信息 class AdditionalInfo(BaseModel): message: str status: str @app.get("/get_demo_image_with_json") async def get_demo_image_with_json(): # 从文件中读取字节流 file_path = "face.png" file_like = open(file_path, mode="rb") # 模拟其他的 JSON 信息 json_info = AdditionalInfo(message="Image loaded successfully", status="OK") # 使用 StreamingResponse 返回字节流和其他的 JSON 信息 return StreamingResponse(file_like, media_type="image/jpeg", headers={"Additional-Info": json_info.json()})
在上述代码中,通过添加 GZipMiddleware
到 FastAPI 应用中,你启用了 Gzip 压缩。在 StreamingResponse
中返回的字节流会在传输过程中被压缩。请注意,Gzip 压缩可能会增加 CPU 使用,但通常可以显著减小传输的数据量,提高性能。你可以根据需求调整 minimum_size
和 compress_level
参数。
本文作者:Dong
本文链接:
版权声明:本博客所有文章除特别声明外,均采用 CC BY-NC。本作品采用《知识共享署名-非商业性使用 4.0 国际许可协议》进行许可。您可以在非商业用途下自由转载和修改,但必须注明出处并提供原作者链接。 许可协议。转载请注明出处!