如何利用Python的Flask框架与Vue.js创建RESTful API服务

简介: 【4月更文挑战第10天】本文介绍了如何使用Flask和Vue.js创建一个前后端分离的RESTful API服务。Flask作为后端框架,负责提供CRUD操作,与SQLite数据库交互;Vue.js作为前端框架,构建用户界面并利用axios库与后端API通信。通过示例代码,展示了Flask设置路由处理用户数据以及Vue组件如何调用API获取和操作数据。此基础结构为构建更复杂的Web应用提供了起点。

在现代Web开发中,前后端分离的架构已经成为一种流行的设计模式。在这种模式中,后端专注于提供高效的RESTful API服务,而前端则负责构建用户界面和交互逻辑。Python的Flask框架以其轻量级和灵活性著称,是构建API服务的绝佳选择。与此同时,Vue.js作为一个渐进式的JavaScript框架,在前端正变得越来越流行。本文将指导你如何使用Flask框架和Vue.js来创建一个功能完善的RESTful API服务。

首先,我们需要安装Flask。在命令行中执行以下命令:

pip install Flask

接下来,我们创建一个简单的Flask应用,它将提供基本的CRUD(创建、读取、更新、删除)操作。在一个名为app.py的文件中,我们可以定义如下路由:

from flask import Flask, request, jsonify
from flask_sqlalchemy import SQLAlchemy

app = Flask(__name__)
app.config['SQLALCHEMY_DATABASE_URI'] = 'sqlite:////tmp/test.db'  # 使用SQLite数据库
db = SQLAlchemy(app)

class User(db.Model):
    id = db.Column(db.Integer, primary_key=True)
    name = db.Column(db.String(50), unique=True, nullable=False)

@app.route('/users', methods=['GET'])
def get_users():
    users = User.query.all()
    return jsonify([user.name for user in users])

@app.route('/users', methods=['POST'])
def create_user():
    data = request.get_json()
    new_user = User(name=data['name'])
    db.session.add(new_user)
    db.session.commit()
    return jsonify({
   'message': 'User created!'}), 201

@app.route('/users/<int:user_id>', methods=['PUT'])
def update_user(user_id):
    data = request.get_json()
    user = User.query.get(user_id)
    if user:
        user.name = data['name']
        db.session.commit()
        return jsonify({
   'message': 'User updated!'})
    else:
        return jsonify({
   'error': 'User not found'}), 404

@app.route('/users/<int:user_id>', methods=['DELETE'])
def delete_user(user_id):
    user = User.query.get(user_id)
    if user:
        db.session.delete(user)
        db.session.commit()
        return jsonify({
   'message': 'User deleted!'})
    else:
        return jsonify({
   'error': 'User not found'}), 404

if __name__ == '__main__':
    app.run(debug=True)

在这个例子中,我们使用了Flask-SQLAlchemy扩展来处理数据库操作。我们定义了一个User模型,并创建了对应的CRUD路由。这些路由分别处理获取所有用户、创建新用户、更新用户信息和删除用户的请求。

现在,让我们转向前端部分。使用Vue.js,我们可以构建一个用户界面来与后端API进行交互。首先,我们需要安装Vue CLI:

npm install -g @vue/cli

然后,我们创建一个新的Vue项目:

vue create frontend
cd frontend

在项目中,我们可以使用axios库来发送HTTP请求。首先安装axios:

npm install axios

接下来,我们在src目录下创建一个名为ApiService.js的文件,用于封装与后端通信的逻辑:

import axios from 'axios';

export default {
   
  getUsers() {
   
    return axios.get('http://localhost:5000/users');
  },
  createUser(data) {
   
    return axios.post('http://localhost:5000/users', data);
  },
  updateUser(id, data) {
   
    return axios.put(`http://localhost:5000/users/${
     id}`, data);
  },
  deleteUser(id) {
   
    return axios.delete(`http://localhost:5000/users/${
     id}`);
  },
};

最后,在Vue组件中,我们可以使用这个ApiService来获取数据和发送请求。例如,在一个名为UserList.vue的组件中,我们可以这样获取用户列表:

<template>
  <div>
    <ul>
      <li v-for="user in users" :key="user.id">{
  { user.name }}</li>
    </ul>
  </div>
</template>

<script>
import ApiService from './ApiService';
export default {
    
  data() {
    
    return {
    
      users: [],
    };
  },
  created() {
    
    ApiService.getUsers().then(response => {
    
      this.users = response.data;
    });
  },
};
</script>

通过以上步骤,我们已经成功创建了一个使用Flask和Vue.js的RESTful API服务。这个服务包括了前后端的基本交互,可以作为更复杂应用的起点。在实际开发中,你可能还需要添加用户认证、错误处理、数据验证等功能。但希望这篇文章为你提供了一个良好的基础,让你能够继续探索和完善你的API服务。

相关文章
|
8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。
606 0
|
8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。
713 0
|
8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 &、|。
394 0
|
9月前
|
数据采集 机器学习/深度学习 人工智能
Python:现代编程的首选语言
Python:现代编程的首选语言
1477 102
|
9月前
|
数据采集 机器学习/深度学习 算法框架/工具
Python:现代编程的瑞士军刀
Python:现代编程的瑞士军刀
485 104
|
9月前
|
人工智能 自然语言处理 算法框架/工具
Python:现代编程的首选语言
Python:现代编程的首选语言
373 103
|
9月前
|
机器学习/深度学习 人工智能 数据挖掘
Python:现代编程的首选语言
Python:现代编程的首选语言
400 82
|
8月前
|
Python
Python编程:运算符详解
本文全面详解Python各类运算符,涵盖算术、比较、逻辑、赋值、位、身份、成员运算符及优先级规则,结合实例代码与运行结果,助你深入掌握Python运算符的使用方法与应用场景。
500 3
|
8月前
|
数据处理 Python
Python编程:类型转换与输入输出
本教程介绍Python中输入输出与类型转换的基础知识,涵盖input()和print()的使用,int()、float()等类型转换方法,并通过综合示例演示数据处理、错误处理及格式化输出,助你掌握核心编程技能。
726 3
|
8月前
|
并行计算 安全 计算机视觉
Python多进程编程:用multiprocessing突破GIL限制
Python中GIL限制多线程性能,尤其在CPU密集型任务中。`multiprocessing`模块通过创建独立进程,绕过GIL,实现真正的并行计算。它支持进程池、队列、管道、共享内存和同步机制,适用于科学计算、图像处理等场景。相比多线程,多进程更适合利用多核优势,虽有较高内存开销,但能显著提升性能。合理使用进程池与通信机制,可最大化效率。
536 3

推荐镜像

更多