Flask编写API及调用

在工作当中，算法工程师经常需要快速编写一些演示demo，例如快速演示一些算法，或者需要编写数据标注的工具等。常见的实现方式是算法工程师用flask/django等框架编写API，再由前端工程师编写相关的网页或系统调用api。

Flask是一个轻量级的可定制框架，使用Python语言编写，较其他同类型框架更为灵活、轻便、安全且容易上手。它可以很好地结合MVC模式进行开发，开发人员分工合作，小型团队在短时间内就可以完成功能丰富的中小型网站或Web服务的实现。另外，Flask还有很强的定制性，用户可以根据自己的需求来添加相应的功能，在保持核心功能简单的同时实现功能的丰富与扩展，其强大的插件库可以让用户实现个性化的网站定制，开发出功能强大的网站。

本文介绍flask编写API的步骤，及调用API的基本方法。

API 编写

写一函数/模型。这里写一个简单的函数，当然也可以写复杂模型。其调用原理使用一样的。

#写一个简单的函数
def f_sum(data):
    return data["x"]+data['y']

搭建flask调用框架，这里先把调用的框架建立起来，暂时采用post方式传输数据。

from flask import Flask,jsonify,request
app = Flask(__name__)
@app.route("/f",methods=['POST'])#装饰器，以POST方式传输
#app.config['JSON_AS_ASCII'] = False#显示中文
def me_api():
    res = request.get_json()
    #传输数据后，调用函数
    answer=f_sum(res)
    return jsonify(answer)#jsonify转成json格式
if __name__ == '__main__':
    app.run()

运行该程序即可，当然可以部署至服务器上。

调用测试

这里用常用的postman调用测试。

能正常调用。

当然实际业务中，模型比这复杂很多。之前我写过一个路径优化的vrp模型，已通过Flask框架编写成API，只需要传输对应的数据即可调用模型。

调用vrp模型后，输出结果。

API编写完成以后，只需要交付给前端工程师，让前端工程师开发用户界面即可。

如果对Flask感兴趣的可以参考中文版的Flask文档介绍，该网站介绍了Flask基本的组件，是使用Flask入门学习极好的教程。

http://docs.jinkan.org/docs/flask/quickstart.html