Python的flask框架使用方法和内容解析(参数获取,请求头获取,请求方法等等)

简介: Python的flask框架使用方法和内容解析(参数获取,请求头获取,请求方法等等)

我们都知道Python有2个很流行的后端开发框架,一个是flask,一个是django框架,这2个框架最大的区别是,flask框架是轻量级的框架,只有核心,如果需要扩展其他功能需要自己去安转调用其他库,而django像是把功能都装好了,直接使用就行,不需要为了扩展功能在重新的写代码,这章文章主要讲flask框架的方法


我这里会按照正常用flask写一个接口的流程来一步步讲解,在代码里加入注释来解释这个作用


app=Flask(__name__)  #  创建应用实例
@app.route("/app",methods=["post","get"])  #这里定义前端的请求方法和请求的路径。我这里定义了2种请求方法get和post。,"/app"是我定义的接口路径
def user_loginab():  #这里不用管,函数名,随便取的
    users = request.values.get("users")   #这里接受前端传来的users的参数内容
    password = request.values.get("password")  #这里接受前端传来的password的参数内容
    headers_s = request.headers["token"]  #这里接受请求headers的token参数内容
    file = request.files['file']   #接受前端传文件
    try:  #给所有的处理内容加入异常处理,防止因为一些位置错误导致服务器报500,这样很不好看。
       if users == "admin" and password == 123456:   #这里写判断的内容
           return jsonify({"code":1111,"msg":"登陆"})  #这里放入返回给前端的内容,jsonify函数的意思是返回给前端的内容是json格式的内容,jsonify需要引包
       elif users != "admin" and password != 123456:
           return jsonify({"code":2222,"msg":"账号或者是密码不正确"})
    except:
        return jsonify({"code": 1010, "msg": "未知错误"})
if __name__=="__main__":
    app.run(host="0.0.0.0",port=50001,debug=True,threaded=True,processes=3)
    """
    app.run():启动这个接口,只在当前模块使用
    host:定义路由
    post:定义端口号
    debug:代码更新是否自动重启
    threader:是否开启多线程 默认false
    processes:开启多进程,这里默认的进程数是1,  ps:这里要注意的地方,多进程和多线程不能一起使用,会产生冲突,代码会报错
    """
相关文章
|
1月前
|
存储 Java 数据处理
(numpy)Python做数据处理必备框架!(一):认识numpy;从概念层面开始学习ndarray数组:形状、数组转置、数值范围、矩阵...
Numpy是什么? numpy是Python中科学计算的基础包。 它是一个Python库,提供多维数组对象、各种派生对象(例如掩码数组和矩阵)以及用于对数组进行快速操作的各种方法,包括数学、逻辑、形状操作、排序、选择、I/0 、离散傅里叶变换、基本线性代数、基本统计运算、随机模拟等等。 Numpy能做什么? numpy的部分功能如下: ndarray,一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组 用于对整组数据进行快速运算的标准数学函数(无需编写循环)。 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。 线性代数、随机数生成以及傅里叶变换功能。 用于集成由C、C++
291 1
|
1月前
|
Java 数据处理 索引
(Pandas)Python做数据处理必选框架之一!(二):附带案例分析;刨析DataFrame结构和其属性;学会访问具体元素;判断元素是否存在;元素求和、求标准值、方差、去重、删除、排序...
DataFrame结构 每一列都属于Series类型,不同列之间数据类型可以不一样,但同一列的值类型必须一致。 DataFrame拥有一个总的 idx记录列,该列记录了每一行的索引 在DataFrame中,若列之间的元素个数不匹配,且使用Series填充时,在DataFrame里空值会显示为NaN;当列之间元素个数不匹配,并且不使用Series填充,会报错。在指定了index 属性显示情况下,会按照index的位置进行排序,默认是 [0,1,2,3,...] 从0索引开始正序排序行。
217 0
|
1月前
|
Java 数据挖掘 数据处理
(Pandas)Python做数据处理必选框架之一!(一):介绍Pandas中的两个数据结构;刨析Series:如何访问数据;数据去重、取众数、总和、标准差、方差、平均值等;判断缺失值、获取索引...
Pandas 是一个开源的数据分析和数据处理库,它是基于 Python 编程语言的。 Pandas 提供了易于使用的数据结构和数据分析工具,特别适用于处理结构化数据,如表格型数据(类似于Excel表格)。 Pandas 是数据科学和分析领域中常用的工具之一,它使得用户能够轻松地从各种数据源中导入数据,并对数据进行高效的操作和分析。 Pandas 主要引入了两种新的数据结构:Series 和 DataFrame。
349 0
|
1月前
|
Java 数据处理 索引
(numpy)Python做数据处理必备框架!(二):ndarray切片的使用与运算;常见的ndarray函数:平方根、正余弦、自然对数、指数、幂等运算;统计函数:方差、均值、极差;比较函数...
ndarray切片 索引从0开始 索引/切片类型 描述/用法 基本索引 通过整数索引直接访问元素。 行/列切片 使用冒号:切片语法选择行或列的子集 连续切片 从起始索引到结束索引按步长切片 使用slice函数 通过slice(start,stop,strp)定义切片规则 布尔索引 通过布尔条件筛选满足条件的元素。支持逻辑运算符 &、|。
137 0
|
2月前
|
机器学习/深度学习 算法 PyTorch
【Pytorch框架搭建神经网络】基于DQN算法、优先级采样的DQN算法、DQN + 人工势场的避障控制研究(Python代码实现)
【Pytorch框架搭建神经网络】基于DQN算法、优先级采样的DQN算法、DQN + 人工势场的避障控制研究(Python代码实现)
|
2月前
|
机器学习/深度学习 算法 PyTorch
【DQN实现避障控制】使用Pytorch框架搭建神经网络,基于DQN算法、优先级采样的DQN算法、DQN + 人工势场实现避障控制研究(Matlab、Python实现)
【DQN实现避障控制】使用Pytorch框架搭建神经网络,基于DQN算法、优先级采样的DQN算法、DQN + 人工势场实现避障控制研究(Matlab、Python实现)
137 0
|
3月前
|
API 数据安全/隐私保护 Python
拼多多批量上架软件, 电商一键上货发布工具,python电商框架分享
多线程批量上传架构,支持并发处理商品数据 完整的拼多多API签名和token管理机制
|
XML JavaScript 关系型数据库
|
XML JavaScript 关系型数据库
Python XML 解析
Python XML 解析
|
XML JavaScript API
Python XML 解析
Python XML 解析
150 0

推荐镜像

更多