Fast API 作为一个新兴的 Python Web 框架，不少的开发者都在使用 FastAPI 来开发应用。我最近也在试着使用它。
在开发应用时，我习惯使用 TDD 的方式进行开发，特别是开发飞书机器人时，由于飞书给我提供的请求是可预测的，特别适合以 TDD 的方式来定义行为并实现。
同时，我在使用其他语言开发的时候，也会用到使用 .env 和 .env.testing 这样的配置文件来在不同的环境下加载不同的配置文件，达到在不同环境使用不同的变量来完成任务。
.env.testing 文件想要实现在 FastAPI 中读取 .env 文件，首先，你需要引入 pydantic_settings 包，来完成基本的配置文件的读取。
from pydantic_settings import BaseSettings
class Settings(BaseSettings):
app_name: str = "Awesome API"
settings = Settings()
print(settings.app_name)接下来你可以为这个 Settings 类新增 Config 配置，以实现读取本地的 .env 文件
from pydantic_settings import BaseSettings
class Settings(BaseSettings):
app_name: str = "Awesome API"
class Config:
env_file = ".env"
settings = Settings()
print(settings.app_name)通过上述代码，你的配置项目就会自动读取 .env 文件来加载环境变量，从而实现更加简单的环境变量管理。
.env.testing 文件在测试时，为了避免使用线上的数据，你可以在测试时加载不同的环境变量文件。
如果你只有一个测试环境，可以有一个非常简单的方式来实现：在配置 env file 时，传入一个元组，会自动加载多个文件。
from pydantic_settings import BaseSettings
class Settings(BaseSettings):
app_name: str = "Awesome API"
class Config:
env_file = (".env",".env.testing")
settings = Settings()
print(settings.app_name)需要注意，这里实现的实际上是使用 pydantic-settings 自己的加载顺序来实现。默认情况下，靠后的文件优先级会更高（覆盖了前面的内容）。这样的好处是如果你有些配置测试环生产是一样的，可以在 .env.testing 中加入不同的部分，相同的部分直接复用生产环境的配置项目即可。
但由于使用的是顺序加载多个问题，如果你发现表现和你配置的不一致时，就要看看是不是有优先级更高的环境变量文件覆盖了默认的 .env 文件。
借助 pydantic-settings 的一些配置，你可以快速实现 .env 和 .env.testing 的加载，相比与判断环境变量，这样会比较简单，且可以实现在 .env.testing 中只维护变量，和线上保持一致的部分可以直接继承。