Python之Flask框架二

简介:

Python之Flask框架二

今天接着上一篇继续写一篇关于flask的随笔。

本文大纲:

1、获取请求参数

2、一个函数处理多个请求方式

3、重定向

4、错误响应

5、全局错误处理

6、返回json格式数据

7、自定义返回内容状态码

一、request获取请求参数

from flask import Flask, request

app = Flask(__name__)

@app.route("/")
def index():

a = request
#get请求
get_data = request.args
#form 表单
form_data = request.form
#json header{application/json}
json_data = request.json
#file
file_data = request.files
#同时获取args和form
data = request.value
method = request.method
return a

if name == '__main__':

app.run(debug=True)

二、一个函数处理多个请求方式
只需要在app.route()中定义method访问方式,并且在函数中进行相应的处理即可

@app.route("/all_projects", methods=["GET", "POST"])
def all_projects():

if request.method == "GET":
    return "get"
elif request.method == "POST":
    return "post"

三、redirect重定向
redirect()中传入一个参数就可以实现重定向,那就是传入url,在实际操作中我们一般会使用url_for这个方法,传入端点即可。

端点:Url和视图函数的绑定关系,默认路由的名称,也就是这个路径绑定的函数名,可以在app.route()中传入endpoint关键字参数进行自定义端点名称。

from flask import Flask,redirect, url_for
app = Flask(__name__)
@app.route("/")
def index():

if request.args.get("username") is None:
    return redirect("/login")
    return redirect(url_for('login'))
return "hello"

@app.route("/login")
def login():

return "login"

后面加参数,请求的时候会自动带上这个参数

return redirect(url_for('login', username="baijiahei"))
四、错误响应abort()
在一些我们可以预知的错误请求时,可以手动给出异常响应,使用时在abort()传入响应码即可,逻辑运行到这里会自动中断,在abort()中自定义了很多错误响应只需要传入响应码,就可以直接使用

@app.route("/")
def index():

if request.args.get("username") is None:
    abort(401))
return "hello"

五、全局错误处理
有一些我们不可预知的错误,比如404,500(服务器正在维护)等情况,我们需要对用户给出友好提示,需要做全局错误处理

@app.errorhandler(500)
def server_error(error):

return render_template("error_500.html")

使用app.errorhandler() 传入响应状态码,当出现这个错误时,会执行下方函数,在函数中我们需要一个参数来接受错误信息。

注意:当我们定义了@app.errorhandler()之后,使用abort()时传入的响应码如果已经被定义了,则会调用,而不会继续使用abort()内置方法

六、返回json类型数据
这里使用了flask中的jsonify

当我们使用了jsonify时,返回的 Content-Type: application/json,使用方法很简单传入一个json格式的数据即可

from flask import Flask, jsonify

import json

app = Flask(__name__)

@app.route("/login")
def login():

return jsonify(json.dumps({"code": "1"}))

七、自定义返回内容状态码

from flask import Flask, make_response, jsonify

app = Flask(__name__)

@app.route("/")
def index():

# 构造一个响应头信息  返回值, 响应码, 响应头信息{},放在字典中 状态码或者响应头可以单个不加
# return json.dumps({"username": "白加黑"}), 201, {"content-type": "application/json"}
# make_response 第二种形式       r  response()
# r = make_response(json.dumps({"username": "白加黑"}), {"content-type": "application/json"})
# r.status = "203"
# r.content_type = "text/plain"
# r.headers =
# r.content_type =
# r.mimetype =
r = jsonify({"username": "白加黑"})
# 修改状态码
r.status = "202"
return r

原文地址https://www.cnblogs.com/congyiwei/p/13047425.html

相关文章
|
12天前
|
机器学习/深度学习 数据采集 数据可视化
基于爬虫和机器学习的招聘数据分析与可视化系统,python django框架,前端bootstrap,机器学习有八种带有可视化大屏和后台
本文介绍了一个基于Python Django框架和Bootstrap前端技术,集成了机器学习算法和数据可视化的招聘数据分析与可视化系统,该系统通过爬虫技术获取职位信息,并使用多种机器学习模型进行薪资预测、职位匹配和趋势分析,提供了一个直观的可视化大屏和后台管理系统,以优化招聘策略并提升决策质量。
|
12天前
|
搜索推荐 前端开发 数据可视化
【优秀python web毕设案例】基于协同过滤算法的酒店推荐系统,django框架+bootstrap前端+echarts可视化,有后台有爬虫
本文介绍了一个基于Django框架、协同过滤算法、ECharts数据可视化以及Bootstrap前端技术的酒店推荐系统,该系统通过用户行为分析和推荐算法优化,提供个性化的酒店推荐和直观的数据展示,以提升用户体验。
|
12天前
|
搜索推荐 前端开发 数据可视化
基于Python协同过滤的旅游景点推荐系统,采用Django框架,MySQL数据存储,Bootstrap前端,echarts可视化实现
本文介绍了一个基于Python协同过滤算法的旅游景点推荐系统,该系统采用Django框架、MySQL数据库、Bootstrap前端和echarts数据可视化技术,旨在为用户提供个性化的旅游推荐服务,提升用户体验和旅游市场增长。
基于Python协同过滤的旅游景点推荐系统,采用Django框架,MySQL数据存储,Bootstrap前端,echarts可视化实现
|
12天前
|
数据可视化 前端开发 数据挖掘
【优秀python大屏】基于python flask的广州历史天气数据应用与可视化大屏
本文介绍了一个基于Python Flask框架的广州历史天气数据应用与可视化大屏系统,该系统通过数据采集、处理、分析和可视化技术,提供了丰富的气象数据展示和决策支持,帮助用户快速了解和应对气象变化。
【优秀python大屏】基于python flask的广州历史天气数据应用与可视化大屏
|
12天前
|
数据采集 自然语言处理 数据可视化
优秀python系统案例】基于python Flask的电影票房数据爬取与可视化系统的设计与实现
本文介绍了一个基于Python Flask框架开发的电影票房数据爬取与可视化系统,该系统利用网络爬虫技术从豆瓣电影网站抓取数据,通过Python进行数据处理和分析,并采用ECharts等库实现数据的可视化展示,为电影行业从业者提供决策支持。
优秀python系统案例】基于python Flask的电影票房数据爬取与可视化系统的设计与实现
|
2天前
|
数据采集 存储 中间件
Python进行网络爬虫:Scrapy框架的实践
【8月更文挑战第17天】网络爬虫是自动化程序,用于从互联网收集信息。Python凭借其丰富的库和框架成为构建爬虫的首选语言。Scrapy作为一款流行的开源框架,简化了爬虫开发过程。本文介绍如何使用Python和Scrapy构建简单爬虫:首先安装Scrapy,接着创建新项目并定义爬虫,指定起始URL和解析逻辑。运行爬虫可将数据保存为JSON文件或存储到数据库。此外,Scrapy支持高级功能如中间件定制、分布式爬取、动态页面渲染等。在实践中需遵循最佳规范,如尊重robots.txt协议、合理设置爬取速度等。通过本文,读者将掌握Scrapy基础并了解如何高效地进行网络数据采集。
24 6
|
4天前
|
机器学习/深度学习 JSON API
【Python奇迹】FastAPI框架大显神通:一键部署机器学习模型,让数据预测飞跃至Web舞台,震撼开启智能服务新纪元!
【8月更文挑战第16天】在数据驱动的时代,高效部署机器学习模型至关重要。FastAPI凭借其高性能与灵活性,成为搭建模型API的理想选择。本文详述了从环境准备、模型训练到使用FastAPI部署的全过程。首先,确保安装了Python及相关库(fastapi、uvicorn、scikit-learn)。接着,以线性回归为例,构建了一个预测房价的模型。通过定义FastAPI端点,实现了基于房屋大小预测价格的功能,并介绍了如何运行服务器及测试API。最终,用户可通过HTTP请求获取预测结果,极大地提升了模型的实用性和集成性。
14 1
|
8天前
|
IDE 测试技术 持续交付
Python自动化测试与单元测试框架:提升代码质量与效率
随着软件行业的发展,代码质量和效率变得至关重要。自动化测试与单元测试是保证质量、提升效率的关键。Python凭借其简洁强大及丰富的测试框架(如Selenium、Appium、pytest和unittest等),成为了实施自动化测试的理想选择。本文将深入探讨这些框架的应用,帮助读者掌握编写高质量测试用例的方法,并通过持续集成等策略提升开发流程的效率与质量。
27 4
|
12天前
|
数据采集 数据可视化 关系型数据库
【优秀python web设计】基于Python flask的猫眼电影可视化系统,可视化用echart,前端Layui,数据库用MySQL,包括爬虫
本文介绍了一个基于Python Flask框架、MySQL数据库和Layui前端框架的猫眼电影数据采集分析与可视化系统,该系统通过爬虫技术采集电影数据,利用数据分析库进行处理,并使用Echart进行数据的可视化展示,以提供全面、准确的电影市场分析结果。
|
12天前
|
数据采集 数据可视化 大数据
【优秀python大屏案例】基于python flask的前程无忧大数据岗位分析可视化大屏设计与实现
本文介绍了一个基于Python Flask框架的前程无忧大数据岗位分析可视化大屏系统,该系统通过爬虫技术采集招聘数据,利用机器学习算法进行分析,并以可视化大屏展示,旨在提高招聘市场数据分析的效率和准确性,为企业提供招聘决策支持和求职者职业规划参考。