Python Django 编程 | 连载 02 - Django 路由

简介: Python Django 编程 | 连载 02 - Django 路由

一、Django 的路由

路由,既 URL 地址,每个 URL 都表示不同的页面,每个 URL 都会 views.py 中的一个视图函数。Django 项目根目录中的 urls.py 是根路由,可以集合所有应用的路由,每个应用下可以创建自己的 urls.py,这个 urls.py 是属于应用独有的路由

路由与视图函数绑定

使用 PyCharm 创建一个新的 Django 项目 django_urls_views,并创建 xray 应用,在 xray 应用下的 views.py 中创建一个视图函数 index(),该函数返回一个字符串。

from django.shortcuts import render, HttpResponse
# Create your views here.
def index(request):
    return HttpResponse("This is index of Xray")
复制代码

接着在项目的根 URL 中配置路由,并与 xray 应用下的 index 视图函数绑定

from django.contrib import admin
# 导入 URL 模块
from django.urls import path
# 导入视图函数
from xray import views
# 项目 URL 列表,每个一个元素都表示一个 URL,每一个 URL 对应一个视图函数
urlpatterns = [
    path('admin/', admin.site.urls),
    path('xray/index/', views.index)
]
复制代码

image.png

启动应用,在浏览器中访问地址 /xray/index/

image.png

页面显示的内容符合预期,但是当项目中的应用比较多的时候,这种直接在根 URL 中定义路由的方式是不推荐的,这样会使得根 URL 中定义的路由非常多,不好管理。

可以在每个应用中创建一个自己的 urls.py,在其中定义该应用包含的所有的路由,再在根路由中定义每一个应用的映射。

在 xray 应用文件夹下创建 urls.py,仿照根 urls.py 创建 index 函数的路由。

from django.urls import path
from xray import views
urlpatterns = [
    path('index/', views.index)
]
复制代码

修改根路径下的 urls.py

from django.contrib import admin
from django.urls import path, include
# 导入 xray 应用下的 urls.py
from xray import urls as xray_urls
urlpatterns = [
    path('admin/', admin.site.urls),
    path('xray/', include(xray_urls))
]
复制代码

启动应用,在浏览器中再次访问地址 /xray/index/

image.png

显示内容符合预期,说明修改成功,因此所有关于 xray 项目的路由都可以在该项目下的 urls.py 中定义。

二、Django 路由中的参数

在 URL 中可以通过在 ? 后面通过添加键值对 key=value 的方式来传递参数,当有多个键值对的时候使用 & 来连接,如 http://127.0.0.1:8000/xray/index?name=stark&address=newyork

也可以通过路径本身来传递参数,如 http://127.0.0.1:8000/xray/index/stark/

URL 中参数的类型可以是以下几种类型:

  • 字符串类型:匹配任何非空字符串,但不包括斜杠,在不指定类型的前提下,默认字符串类型 <str:name>
  • 整型:匹配 0 和正整数 <int:age>
  • slug:可以理解为注释、后缀或者负数等概念 <slug:day>
  • uuid:匹配一个 uuid 格式的对象 <uuid:uid>

在 Django 2.0 以前是使用正则表达式来匹配路径中参数的类型的,如

url(r'^add/(?P<name\w+>)/(?P<age>\d+)$')
复制代码

其中 ^$ 表示匹配开始和结束,() 表示一个变量或字符,w+ 表示匹配 1 个或者多个包括下划线在内的任何字符,既 name 变量的取值可以是包括下划线在内的任何字符,d+ 表示匹配一个或者多个数字。

在 urls.py 中设置路由时,还支持给路由定义一个别名,这个别名在模板中做跳转或者其他视图函数中做重定向时可以用到。

path('/xray/index', views.index, name='xray_index')
复制代码

URL 传递参数到后端的视图函数中有两种获取方式,如果是通过 ? 传递的参数,可以直接通过 request.GET.get(参数名) 的方式来获取。

如果是路径参数既通过 / 来分割的参数,可以直接将参数名放在视图函数的参数中,这样会把路径中具体的参数值保存到视图函数中的对应参数内。

def index(request, 参数1, 参数2):
    print(参数1, 参数2)
复制代码

获取请求路径中 ? 后传递的参数

在 xray 应用的 views.py 文件中增加视图函数 tango

def tango(request):
    team = request.GET.get("team")
    print("请求中通过 `?` 传递的参数的值为: {}".format(team))
    return HttpResponse('This is Tango 5, Do you read?')
复制代码

在 urls.py 中定义路由

# 其余代码不变
urlpatterns = [
    path('index/', views.index),
    path('tango', views.tango)
]
复制代码

启动应用,在浏览器中输入 http://127.0.0.1:8000/xray/tango/?team=seal

image.png

页面成功获取到响应,控制也成功输出了请求路径中携带的参数

image.png

当传入多个参数时 ?team=seal&location=Pakistan&count=6,再通过上述的视图函数获取请求中的参数只能获取第一个

image.png

修改视图函数为如下形式:

def tango(request):
    request_param = request.GET
    print("保存多个请求参数的变量的数据类型是:{}".format(type(request_param)))
    print("请求中通过 `?` 传递的参数的值为: {}".format(request_param))
    return HttpResponse('This is Tango 5, Do you read?')
复制代码

再次访问 ?team=seal&location=Pakistan&count=6

image.png

根据控制台的输出可以确定,多个参数会被保存成为一个查询字典,可以通过具体的 Key 来获取对应的 Value,接着就可以根据获取的参数进行各种逻辑处理了。

获取请求路径中的参数

在 xray 应用下的 views.py 中定义一个新的视图函数 yankee,在该视图函数中定义一个参数用来接收请求路径中传递过来的参数。

def yankee(request, location):
    print('路径参数中的 location 变量的值为:{}'.format(location))
    return HttpResponse('这是测试路径参数的页面')
复制代码

在 urls.py 中增加 yankee 视图函数对应的路由,在路由中定义路径参数的变量名和变量值类型。

urlpatterns = [
    # 其余代码不变
    path('yankee/<str:location>/', views.yankee),
]
复制代码

保存代码,浏览器访问 /xray/yankee/Pakistan/

image.png

控制台打印出路径中传递的参数 location 的值为 Pakistan

image.png

当路径中包含多个参数时,需要在视图函数中定义多个变量来接收请求路径中的参数,修改 yankee 视图函数

def yankee(request, location, num):
    print('路径参数中的 location 变量的值为:{}'.format(location))
    print('路径参数中的 num 变量的值为:{}'.format(num))
    return HttpResponse('这是测试路径参数的页面')
复制代码

修改 urls.py 中的路由,该路由中定义了传递的多个参数的参数名和参数类型

urlpatterns = [
    # 其余代码不变
    path('yankee/<str:location>/<int:num>', views.yankee),
]
复制代码

保存代码,浏览器访问 /xray/yankee/Pakistan/6/

image.png

控制台打印出路径参数中的 Pakistan 和 6

image.png

相关文章
|
19天前
|
机器学习/深度学习 存储 设计模式
Python 高级编程与实战:深入理解性能优化与调试技巧
本文深入探讨了Python的性能优化与调试技巧,涵盖profiling、caching、Cython等优化工具,以及pdb、logging、assert等调试方法。通过实战项目,如优化斐波那契数列计算和调试Web应用,帮助读者掌握这些技术,提升编程效率。附有进一步学习资源,助力读者深入学习。
|
19天前
|
机器学习/深度学习 数据可视化 TensorFlow
Python 高级编程与实战:深入理解数据科学与机器学习
本文深入探讨了Python在数据科学与机器学习中的应用,介绍了pandas、numpy、matplotlib等数据科学工具,以及scikit-learn、tensorflow、keras等机器学习库。通过实战项目,如数据可视化和鸢尾花数据集分类,帮助读者掌握这些技术。最后提供了进一步学习资源,助力提升Python编程技能。
|
6天前
|
Python
[oeasy]python074_ai辅助编程_水果程序_fruits_apple_banana_加法_python之禅
本文回顾了从模块导入变量和函数的方法,并通过一个求和程序实例,讲解了Python中输入处理、类型转换及异常处理的应用。重点分析了“明了胜于晦涩”(Explicit is better than implicit)的Python之禅理念,强调代码应清晰明确。最后总结了加法运算程序的实现过程,并预告后续内容将深入探讨变量类型的隐式与显式问题。附有相关资源链接供进一步学习。
19 4
|
19天前
|
设计模式 机器学习/深度学习 前端开发
Python 高级编程与实战:深入理解设计模式与软件架构
本文深入探讨了Python中的设计模式与软件架构,涵盖单例、工厂、观察者模式及MVC、微服务架构,并通过实战项目如插件系统和Web应用帮助读者掌握这些技术。文章提供了代码示例,便于理解和实践。最后推荐了进一步学习的资源,助力提升Python编程技能。
|
9天前
|
Java API Docker
在线编程实现!如何在Java后端通过DockerClient操作Docker生成python环境
以上内容是一个简单的实现在Java后端中通过DockerClient操作Docker生成python环境并执行代码,最后销毁的案例全过程,也是实现一个简单的在线编程后端API的完整流程,你可以在此基础上添加额外的辅助功能,比如上传文件、编辑文件、查阅文件、自定义安装等功能。 只有锻炼思维才能可持续地解决问题,只有思维才是真正值得学习和分享的核心要素。如果这篇博客能给您带来一点帮助,麻烦您点个赞支持一下,还可以收藏起来以备不时之需,有疑问和错误欢迎在评论区指出~
在线编程实现!如何在Java后端通过DockerClient操作Docker生成python环境
|
17天前
|
机器学习/深度学习 设计模式 API
Python 高级编程与实战:构建 RESTful API
本文深入探讨了使用 Python 构建 RESTful API 的方法,涵盖 Flask、Django REST Framework 和 FastAPI 三个主流框架。通过实战项目示例,详细讲解了如何处理 GET、POST 请求,并返回相应数据。学习这些技术将帮助你掌握构建高效、可靠的 Web API。
|
17天前
|
机器学习/深度学习 设计模式 测试技术
Python 高级编程与实战:构建自动化测试框架
本文深入探讨了Python中的自动化测试框架,包括unittest、pytest和nose2,并通过实战项目帮助读者掌握这些技术。文中详细介绍了各框架的基本用法和示例代码,助力开发者快速验证代码正确性,减少手动测试工作量。学习资源推荐包括Python官方文档及Real Python等网站。
|
20天前
|
机器学习/深度学习 分布式计算 API
Python 高级编程与实战:深入理解并发编程与分布式系统
在前几篇文章中,我们探讨了 Python 的基础语法、面向对象编程、函数式编程、元编程、性能优化、调试技巧、数据科学、机器学习、Web 开发、API 设计、网络编程和异步IO。本文将深入探讨 Python 在并发编程和分布式系统中的应用,并通过实战项目帮助你掌握这些技术。
|
18天前
|
机器学习/深度学习 设计模式 API
Python 高级编程与实战:构建微服务架构
本文深入探讨了 Python 中的微服务架构,介绍了 Flask、FastAPI 和 Nameko 三个常用框架,并通过实战项目帮助读者掌握这些技术。每个框架都提供了构建微服务的示例代码,包括简单的 API 接口实现。通过学习本文,读者将能够使用 Python 构建高效、独立的微服务。
|
18天前
|
消息中间件 分布式计算 并行计算
Python 高级编程与实战:构建分布式系统
本文深入探讨了 Python 中的分布式系统,介绍了 ZeroMQ、Celery 和 Dask 等工具的使用方法,并通过实战项目帮助读者掌握这些技术。ZeroMQ 是高性能异步消息库,支持多种通信模式;Celery 是分布式任务队列,支持异步任务执行;Dask 是并行计算库,适用于大规模数据处理。文章结合具体代码示例,帮助读者理解如何使用这些工具构建分布式系统。