python中的flask框架
Flask 是一个用Python编写的轻量级Web应用框架
基于WSGI和Jinja2模板引擎
被称为“微框架”，其核心功能简单，不捆绑数据库管理、表单验证等功能，而是通过扩展来增加其他功能
Flask提供最基本的功能，不强制使用特定工具或库
通过插件和扩展来添加功能，如表单处理、数据库交互等
通过创建Flask对象来初始化应用
将URL映射到视图函数，处理请求并返回响应
使用Jinja2模板引擎渲染HTML页面，支持多种HTTP方法
通过创建Flask对象来初始化应用
Flask基于Werkzeug WSGI工具包和Jinja2模板引擎构建。
Werkzeug为Flask提供了请求和响应处理、路由匹配等基础功能，是Flask处理HTTP请求的底层支撑
Jinja2则用于模板渲染，可以方便地生成动态HTML页面，实现数据与视图的分离。
Flask 框架
使用pip可以方便快捷地安装 Flask
pip install flask
from flask import Flask# 创建 Flask 应用实例
app = Flask(__name__)# 定义路由和视图函数
@app.route('/')
def hello_world():return 'Hello, World!'# 启动应用
if __name__ == '__main__':app.run(debug=True)
导入 Flask 类：从 flask 模块中导入 Flask 类，用于创建 Flask 应用实例。
app = Flask(__name__) 创建了一个 Flask 应用实例，__name__ 是 Python 的内置变量，表示当前模块的名称。
使用 @app.route('/') 装饰器定义了一个路由，当用户访问根路径 / 时，会调用 hello_world 函数，该函数返回一个简单的字符串 'Hello, World!'。
app.run(debug=True) 启动应用，debug=True 开启调试模式，方便在开发过程中调试代码，当代码发生变化时，服务器会自动重启。
Flask 使用装饰器来定义路由，允许URL路径映射到对应的视图函数。
@app.route('/about')
def about():return 'This is the about page.'
定义了一个 /about 的路由，当用户访问该路径时，会返回 'This is the about page.'。Flask 还支持动态路由
@app.route('/user/<username>')
def show_user_profile(username):return f'User {username}'
<username> 是一个动态参数，用户访问 /user/john 时，username 的值会被设置为 'john'，并传递给 show_user_profile 函数。
Flask 提供了 request 对象来处理客户端的请求信息，如获取请求参数、请求方法等，使用 Response 对象来返回响应给客户端。
from flask import request@app.route('/login', methods=['POST'])
def login():username = request.form.get('username')password = request.form.get('password')# 处理登录逻辑return 'Login successful'
使用 methods=['POST'] 指定该路由只接受 POST 请求，通过 request.form.get() 方法获取表单数据。
Flask 默认使用 Jinja2 模板引擎，允许开发者将动态数据与 HTML 模板结合生成动态页面。创建一个 templates 文件夹，在其中创建 index.html 模板文件
<!DOCTYPE html>
<html lang="en">
<head><meta charset="UTF-8"><title>{{ title }}</title>
</head>
<body><h1>{{ message }}</h1>
</body>
</html>
在 Python 代码中使用 render_template 函数渲染模板
from flask import render_template@app.route('/template')
def template_demo():return render_template('index.html', title='Template Demo', message='This is a template example.')
render_template 函数会将 title 和 message 变量传递给模板文件，替换模板中的 { { title }} 和 { { message }} 占位符。
Flask 易于上手和快速搭建，适合在项目初期进行快速原型开发，验证项目的可行性和功能需求。开发者可以在短时间内搭建起一个简单的 Web 应用，展示项目的基本功能，为后续的开发提供基础。
对于一些功能简单、规模较小的 Web 应用，如小型企业网站等，Flask 的轻量级特性可以满足需求，并且易于维护。可以根据项目的实际情况选择合适的第三方库，快速完成项目的开发。
Flask 可以方便地创建 RESTful API，结合 JSON 数据格式，为前端应用或其他服务提供数据接口。
from flask import jsonify@app.route('/api/data')
def api_data():data = {'name': 'John', 'age': 30}return jsonify(data)
使用 jsonify 函数将 Python 字典转换为 JSON 格式的响应，方便前端应用或其他服务进行数据交互。
Flask 有丰富的扩展库，可Flask - SQLAlchemy 用于数据库操作，Flask - Login 用于用户认证，Flask - WTF 用于表单处理等。
相关文章：
python中的flask框架
Flask 是一个用Python编写的轻量级Web应用框架 基于WSGI和Jinja2模板引擎 被称为“微框架”，其核心功能简单，不捆绑数据库管理、表单验证等功能，而是通过扩展来增加其他功能 Flask提供最基本的功能，不强制使用特定工具或库 通…...
【redis】缓存设计规范
本文是 Redis 键值设计的 14 个核心规范与最佳实践，按重要程度分层说明： 一、通用数据类型选择 这里我们先给出常规的选择路径图。 以下是对每个步骤的分析： 是否需要排序？： zset（有序集合）用…...
归一化与伪彩：LabVIEW图像处理的区别
在LabVIEW的图像处理领域，归一化（Normalization）和伪彩（Pseudo-coloring）是两个不同的概念，虽然它们都涉及图像像素值的调整，但目的和实现方式截然不同。归一化用于调整像素值的范围，…...
DeepSeek大模型本地部署实战
1. 下载并安装Ollama 打开浏览器：使用你常用的浏览器（如Chrome、Firefox等）访问Ollama的官方网站。无需特殊网络环境，直接搜索“Ollama”即可找到。 登录与下载：进入Ollama官网后，点击右上角的“Download…...
deepseek+kimi自动生成ppt
打开deepseek官网，输入详细的需求，让他生成个ppt 接着deepseek开始思考生成了 接着复制生成了的内容 打开kimi粘贴刚才deepseek生成的内容 可以一键生成啦，下载编辑使用吧...
集成SwanLab与HuggingFace TRL：跟踪与优化强化学习实验
文章目录 1. 引入SwanLabCallback2. 传入Trainer3. 完整案例代码4. GUI效果展示 TRL (Transformers Reinforcement Learning，用强化学习训练Transformers模型) 是一个领先的Python库，旨在通过监督微调（SFT）、近端策略优化…...
cefsharp131升级132测试（WinForms.NETCore）
一、升级（Nuget） 版本说明（readme）:最低.NET Core3.1 (NET5.0) Visual C 2019 Redist 二、试运行、兼容性测试 三、后记说明 支持H264版本推荐版本63,79,84,88,100,111,125（支持h264和pdf预览） 其他H264版…...
Gitee AI上线：开启免费DeepSeek模型新时代
Gitee Al上线，并宣布开启免费DeepSeek模型的时代，这是一个非常值得关注的消息，因 为它标志着国内在AI领域的一个重要发展。DeepSeek模型是由阿里巴巴达摩院开发的，旨 在提供强大的自然语言处理(NLP)能力。下面是一些关于这一事件…...
nginx常用命令及补充
在Linux环境下nginx常用命令如下： 1、查看nginx版本号命令 nginx -v 2、查找nginx配置文件路径已经检查配置文件是否正确 nginx -t 3、查找nginx安装目录 which nginx 4、查看nginx进程 ps -ef|grep nginx 5、进入到nginx的sbin目录后，执行一下…...
自动驾驶---聊聊传统规控和端到端
1 背景 在自动驾驶领域中，端到端模型的兴起确实对传统的规划控制方法（笔者并不同意网上以Rule-Base称呼传统规控，传统的规控其实也使用了很多优化算法和博弈算法）产生了挑战，但这就意味着传统规控方法就完全没有应用了…...
node.js + html + Sealos容器云 搭建简易多人实时聊天室demo 带源码
node.js html Sealos容器云 搭建简易多人实时聊天室demo 带源码 前言功能介绍（demo演示）sealos官网配置node.js 编写服务端代码前端ui 调用接口整体项目目录部署到服务器 前言 hello哦盆友们，这次我们来十几行代码做一个超简单的多人聊天…...
OpenFeign远程调用返回的是List＜T＞类型的数据
在使用 OpenFeign 进行远程调用时，如果接口返回的是 List 类型的数据，可以通过以下方式处理： 直接定义返回类型为List Feign 默认支持 JSON 序列化/反序列化，如果服务端返回的是 List的JSON格式数据，可以直接在 Feig…...
PCL 计算多边形的面积【2025最新版】
目录 一、算法原理1、概述2、主要函数3、函数源码二、代码实现三、结果展示博客长期更新，本文最近更新时间为：2025年1月17日。 一、算法原理 1、概述 根据给定的多边形的点云计算多边形的面积 A r e a = 1 2 ∑...
著名大模型评测榜单（不同评测方式）
在评估大语言模型的性能时，一种主流的途径就是选择不同的能力维度并且构建对应的评测任务，进而使用这些能力维度的评测任务对模型的性能进行测试与对比。由大型机构或者研究院所排出榜单。 评测指标 不同评测任务有不同的评指标，衡量模型的…...
国内知名Deepseek培训师培训讲师唐兴通老师讲授AI人工智能大模型实践应用
课程名称 《Deepseek人工智能大模型实践应用》 课程目标 全面了解Deepseek人工智能大模型的技术原理、功能特点及应用场景。 熟练掌握Deepseek大模型的提示词工程技巧，能够编写高质量的提示词。 掌握Deepseek大模型在办公、营销等领域的应用方法，提升…...
【AIGC】冷启动数据与多阶段训练在 DeepSeek 中的作用
博客主页： [小ᶻ☡꙳ᵃⁱᵍᶜ꙳] 本文专栏: AIGC | ChatGPT 文章目录 💯前言💯冷启动数据的作用冷启动数据设计 💯多阶段训练的作用阶段 1：冷启动微调阶段 2：推理导向强化学习（RL࿰…...
如何打造一个更友好的网站结构？
在SEO优化中，网站的结构往往被忽略，但它其实是决定谷歌爬虫抓取效率的关键因素之一。一个清晰、逻辑合理的网站结构，不仅能让用户更方便地找到他们需要的信息，还能提升搜索引擎的抓取效率 理想的网站结构应该像一棵树，…...
【ROS2】RViz2自定义面板插件（rviz_common::Panel）的详细步骤
【ROS】郭老二博文之：ROS目录 1、简述 RViz2 的插件基于 ROS2 的插件库（pluginlib）机制，通过动态加载共享库实现功能扩展。 注意：RViz2 使用 QT 作为 UI 框架，虽然 QT 也有插件机制，但是 RViz2 并没有使用QT的插件机制，而是通过 pluginlib 加载功能模块来实现。 2、…...
漏洞分析 Spring Framework路径遍历漏洞（CVE-2024-38816）
漏洞概述 VMware Spring Framework是美国威睿（VMware）公司的一套开源的Java、JavaEE应用程序框架。该框架可帮助开发人员构建高质量的应用。 近期，监测到Spring Framework在特定条件下，存在目录遍历漏洞（网宿评分&am…...
《手札·避坑篇》2025年传统制造业企业数字化转型指南
一、引言 在数字化浪潮的推动下，传统制造业企业正加速向智能化、数字化转型。开源软件技术与制造MES（制造执行系统）产品的结合，为企业提供了高效、灵活且低成本的转型路径。本指南旨在为传统制造业企业的信息化负责人提供一套完整的数字化转型方案，助力企业实现高效、智能…...
[特殊字符] 智能合约中的数据是如何在区块链中保持一致的？
🧠 智能合约中的数据是如何在区块链中保持一致的？ 为什么所有区块链节点都能得出相同结果？合约调用这么复杂，状态真能保持一致吗？本篇带你从底层视角理解“状态一致性”的真相。 一、智能合约的数据存储在哪里…...
vscode里如何用git
打开vs终端执行如下： 1 初始化 Git 仓库（如果尚未初始化） git init 2 添加文件到 Git 仓库 git add . 3 使用 git commit 命令来提交你的更改。确保在提交时加上一个有用的消息。 git commit -m "备注信息" 4 …...
＜6＞-MySQL表的增删查改
目录 一，create（创建表） 二，retrieve（查询表） 1，select列 2，where条件 三，update（更新表） 四，delete（删除表…...
突破不可导策略的训练难题：零阶优化与强化学习的深度嵌合
强化学习（Reinforcement Learning, RL）是工业领域智能控制的重要方法。它的基本原理是将最优控制问题建模为马尔可夫决策过程，然后使用强化学习的Actor-Critic机制（中文译作“知行互动”机制），逐步迭代求解…...
Qt/C++开发监控GB28181系统/取流协议/同时支持udp/tcp被动/tcp主动
一、前言说明 在2011版本的gb28181协议中，拉取视频流只要求udp方式，从2016开始要求新增支持tcp被动和tcp主动两种方式，udp理论上会丢包的，所以实际使用过程可能会出现画面花屏的情况，而tcp肯定不丢包，起码…...
django filter 统计数量 按属性去重
在Django中，如果你想要根据某个属性对查询集进行去重并统计数量，你可以使用values()方法配合annotate()方法来实现。这里有两种常见的方法来完成这个需求： 方法1：使用annotate()和Count 假设你有一个模型Item，并且你想…...
自然语言处理——Transformer
自然语言处理——Transformer 自注意力机制多头注意力机制Transformer 虽然循环神经网络可以对具有序列特性的数据非常有效，它能挖掘数据中的时序信息以及语义信息，但是它有一个很大的缺陷——很难并行化。 我们可以考虑用CNN来替代RNN，但是…...
Swagger和OpenApi的前世今生
Swagger与OpenAPI的关系演进是API标准化进程中的重要篇章，二者共同塑造了现代RESTful API的开发范式。 本期就扒一扒其技术演进的关键节点与核心逻辑： 🔄 一、起源与初创期：Swagger的诞生（2010-2014） 核心…...
HashMap中的put方法执行流程（流程图）
1 put操作整体流程 HashMap 的 put 操作是其最核心的功能之一。在 JDK 1.8 及以后版本中，其主要逻辑封装在 putVal 这个内部方法中。整个过程大致如下： 初始判断与哈希计算： 首先，putVal 方法会检查当前的 table（也就…...
链式法则中 复合函数的推导路径 多变量“信息传递路径”
非常好，我们将之前关于偏导数链式法则中不能“约掉”偏导符号的问题，统一使用 二重复合函数： z f ( u ( x , y ) , v ( x , y ) ) \boxed{z f(u(x,y),\ v(x,y))} zf(u(x,y), v(x,y)) 来全面说明。我们会展示其全微分形式（偏导…...