本项目是一个轻量实用的 FastAPI 项目脚手架，集成了简单的日志，配置文件管理，处理了 python 脚本间的依赖关系，避免重复导入等问题。
项目配置完毕后，你只需要在 src 目录下写代码即可。
本项目是一个脚手架，不是框架，你可以在此基础上进行二次开发，也可以直接使用。
本项目基于以下项目修改：hansenz42/python-project-starter: 一个在 poetry 基础上的 Python 项目框架，自带配置文件管理和日志管理功能
- 2024-04-30 使用更规范的 pydantic 作为返回值取代之前直接 JSONResponse 的方式。需要对原有 route 做改动。如果不需要该特性，请不要更新，避免影响已有代码
- 集成 fastapi 作为 web 服务器
- 统一返回结构：不论是接口正常还是错误，都会返回统一的 json 消息体
- 错误处理：在接口处理函数中发生的异常，将会自动捕获并返回错误信息
- 依赖管理：使用 poetry 管理项目依赖
- 日志管理：统一化日志格式，支持正常日志和错误日志的分割，分别输出到 stdout 和 stderr
- 配置文件管理：根据不同环境加载不同配置文件。
- 测试管理：使用 pytest 管理测试用例。
macOS, Linux, Windows(WSL)：
curl -sSL https://install.python-poetry.org | python3 -其他平台的 poetry 安装方式见：Introduction | Documentation | Poetry - Python dependency management and packaging made easy
git clone [email protected]:hansenz42/python_scaffold.git修改 pyproject.toml
[tool.poetry]
name = "PEOJECT NAME"
# ...
authors = ["YOUR NAME <[email protected]>"]
[tool.poetry.dependencies]
python = "^3.11" #替换为你想使用的 python 版本poetry installIDE 打开项目后：
将 src 文件夹配置为源代码根目录：
- 右键 src 文件夹，选择 Mark Directory as -> Sources Root
将 res 文件夹配置为资源文件根目录：
- 右键 res 文件夹，选择 Mark Directory as -> Resources Root
将 test 文件夹配置为测试代码根目录：
- 右键 test 文件夹，选择 Mark Directory as -> Test Sources Root
项目变量的配置在 res 目录下，默认提供了三个环境：
config_dev.yml开发环境：在开发时使用config_test.yml测试环境：在测试时使用config_prod.yml生产环境：在正式环境中使用
变量可以写到对应环境的配置文件中，如开发环境的变量写到， res/config_dev.yml。
config.yml 文件是所有环境共用的配置，如果在特定环境中配置了相同名称的变量，则会覆盖 config.yml 中的配置。
- 你自己的代码可以放在
src目录下。 - 测试用例可以统一放在
test目录下。
到 src/route 目录下写模版函数，在 src/app.py 中引用即可。
# 引入路由函数（你可以在 src/app.py 中找到这个代码）
from route.demo import router as demo_router
app.include_router(demo_router, prefix="/api/v1/demo", tags=["demo"])引入自己编写的模块时，使用 src 作为根目录起始的路径，如：
# 例如，在 src/service 目录下写了一个 demo_service.py 文件，在其他文件中引入
# 引入的文件路径不写 src，直接从 service 开始即可
from service.demo_service import foo具体示例可见 src/app.py
在 res/config_xxx.yml 设置一个项目变量 （xxx 为你要配置的环境）
foo:
bar: 'test_paramter'可在代码中使用以下方式引入 yml 中的变量：
# 引入 ConfigManager
from component.ConfigManager import config_manager
# 获取 yaml 中配置的变量 foo.bar
try:
config_str = config_manager.get_value('foo', 'bar')
# > test_paramter
print(config_str)
except KeyError:
# 如未找到该变量，抛出 KeyError 异常
print('foo.bar 不存在')在代码中引入日志：
from component.LogManager import log_manager
# 定义一个 Tag
TAG = 'main'
# 使用 Tag 生成一个 logger
log = log_manager.get_logger(TAG)
# 输出日志
log.debug('debug log')
log.info('info log')
log.warning('warning log')
log.error('error log')debug 和 info level 的日志将输出到 stdout，warning 和 error level 的日志将输出到 stderr。
指定运行环境：
- 环境变量：
PYTHON_SERVICE_ENV，如PYTHON_SERVICE_ENV=dev poetry run python3 main.py - 命令行实参：如
poetry run python3 main.py -e dev
如果程序没有接收到任何参数，或接受了 dev/test/prod 以外的参数，则默认使用 dev 环境。
你可以修改 src/common/response.py 函数来自定义返回结构。
错误处理的代码在 src/app.py 中，你可以根据自己的需求修改。
直接用 poetry 安装，会自动修改 pyproject.toml 文件
poetry add <package-name>在 res 文件夹中配置各个环境的日志输出等级（可选）
# 配置为 info 级别
log_level: info # 支持 debug, info, warning, error, critical 不同等级如果运行环境无法满足你的需求，可以在 src/common/env.py 文件中的 VALID_ENVS 变量中加入你需要的环境名称。
环境名称加入后，在 res 目录下新建一个环境配置文件 yaml
测试文件统一放在 test 目录下，文件名以 test_ 开头，如 test_main.py
该脚手架是我在写 Python 项目时，为了方便自己管理代码而整理的，如果你有更好的建议，欢迎提 issue 或 PR。