Python使用Quart作为web服务器的代码实现

简介: Quart 是一个异步的 Web 框架,它使用 ASGI 接口(Asynchronous Server Gateway Interface)而不是传统的 WSGI(Web Server Gateway Interface)。这使得 Quart 特别适合用于构建需要处理大量并发连接的高性能 Web 应用程序。与 Flask 类似,Quart 也非常灵活,可以轻松地构建 RESTful API、WebSockets、HTTP/2 服务器推送等。

一、Quart 轻量级web框架介绍

Quart 是一个异步的 Web 框架,它使用 ASGI 接口(Asynchronous Server Gateway Interface)而不是传统的 WSGI(Web Server Gateway Interface)。这使得 Quart 特别适合用于构建需要处理大量并发连接的高性能 Web 应用程序。与 Flask 类似,Quart 也非常灵活,可以轻松地构建 RESTful API、WebSockets、HTTP/2 服务器推送等。

1、异步支持

由于 Quart 是基于异步 IO 设计的,因此你可以在处理请求时使用 asyncawait 关键字来执行异步操作,例如访问数据库或调用其他异步服务。这使得 Quart 非常适合用于构建需要高并发处理的应用程序。

2、WebSocket支持

Quart提供了对WebSocket协议的原生支持,使得实时通信和推送功能更加简单可行。这对于需要实时交互的应用,如聊天室、在线游戏等,具有极大的便利性。

3、与 Flask 的比较

Quart框架与广受欢迎的Flask框架具有API兼容性,这意味着开发者可以轻松地将现有的Flask应用迁移到Quart上,并享受异步编程带来的好处。这一特性降低了学习成本,并使得开发者能够更快速地适应Quart。


它们之间有一些关键的区别:

  1. 异步支持:Quart 是基于异步 IO 设计的,而 Flask 是基于同步 IO。这使得 Quart 在处理大量并发连接时性能更好。
  2. ASGI 与 WSGI:Quart 使用 ASGI 接口,而 Flask 使用 WSGI 接口。ASGI 提供了对 HTTP/2、WebSockets 和其他协议的原生支持。
  3. 性能:由于 Quart 的异步特性,它在处理大量并发连接时通常比 Flask 更快。
  4. 生态:Flask 有一个庞大的社区和丰富的扩展库,而 Quart 作为较新的框架,其生态还在不断发展中。

二、使用示例

安装 quart

示例1:返回json数据

import logging
from quart import Quart, render_template, request, jsonify

app = Quart(__name__)
app.logger.setLevel(logging.INFO) # 设置 Quart 日志记录器的级别为 INFO

# 返回 html 模板
@app.route('/')
async def index():
                app.logger.info('Quart index load success ')
        return 'Hello, Quart!'

# GET请求,返回json数据
@app.route('/get', methods=['GET'])
async def handle_get():
                data = {'name': 'Jacky', 'sex': 'Male'}
                return jsonify(data), 200

# 定义一个处理POST请求的路由
@app.route('/post', methods=['POST'])
async def handle_post():
                data = await request.get_json() # 异步获取POST请求的JSON数据
                # 假设我们只是将接收到的数据返回给客户端
                return jsonify(data), 201 # 返回状态码201表示成功创建了资源

if __name__ == '__main__':
app.run(host='0.0.0.0', port=5000)

示例2:返回html模板

以下是一个使用Quart和Jinja2模板引擎的简单代码示例:


首先,确保你已经安装了quartjinja2。你可以使用pip来安装它们(如果尚未安装):

pip install quart jinja2

然后,创建一个简单的Quart应用,该应用使用Jinja2模板来渲染一个HTML页面。

from quart import Quart, render_template, request
 
app = Quart(__name__)
 
@app.route('/')
async def index():
    # 渲染index.html模板,并传递一些变量给模板
    return await render_template('index.html', name='Quart User', framework='Quart')
 
if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000)

在这个例子中,我们创建了一个Quart应用,Quart默认会加加载名为 templates 的文件夹中的模板。


接下来,我们定义了一个路由处理函数index,它使用render_template函数来渲染名为index.html的模板。我们还传递了两个变量name和framework给模板,这些变量将在模板中被替换。


你需要在项目的根目录下创建一个名为templates的文件夹,并在其中创建一个index.html文件,例如:

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>{{ framework }} Welcome</title>
</head>
<body>
    <h1>Welcome, {{ name }}!</h1>
    <p>You are using the {{ framework }} framework.</p>
</body>
</html>

在这个HTML模板中,{{ name }}和{{ framework }}是变量占位符,它们将被render_template函数调用时传递的实际变量值替换。


当你运行上面的Quart应用并访问http://localhost:5000/时,你应该会看到一个欢迎页面,其中包含了通过Jinja2模板引擎动态插入的name和framework变量的值。

示例3:websocket使用

1)创建websocket服务

from quart import Quart, websocket, request
 
app = Quart(__name__)
 
 
@app.websocket('/ws')
async def ws():
    await websocket.accept()
    while True:
        data = await websocket.receive()
        print(f"Received from client: {data}")
        if data is None:  # 客户端断开连接
            break
            # 处理接收到的数据,这里我们只是简单地将数据回显给客户端
        await websocket.send(data)
 
 
if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000)

2)使用Python websocket创建client端,发送和接收websocket消息

首先,确保你已经安装了websockets库。如果没有安装,你可以通过pip来安装它:

pip install websockets
import asyncio  
import websockets  
  
async def websocket_client():  
    uri = "ws://localhost:5000/ws"
    async with websockets.connect(uri) as websocket:  
        # 发送一条消息到服务器  
        await websocket.send("Hello, Server!")  
          
        # 接收服务器的响应  
        response = await websocket.recv()  
        print(f"Received from server: {response}")  
  
        # 可以继续发送和接收更多的消息  
        # ...  
  
# 运行客户端  
asyncio.run(websocket_client())

上面代码,首先导入了asyncio和websockets库。然后,定义了一个异步函数websocket_client,使用websockets.connect函数连接到WebSocket服务器。连接建立后,通过websocket.send方法发送一条消息给服务器,并通过websocket.recv方法等待并接收服务器的响应。最后,使用asyncio.run函数来运行这个异步客户端。


3)运行代码,得到如下输出

服务端

* Serving Quart app 'quart_ws'
 * Debug mode: False
 * Please use an ASGI server (e.g. Hypercorn) directly in production
 * Running on http://0.0.0.0:5000 (CTRL + C to quit)
[2024-06-06 18:34:20 +0800] [41216] [INFO] Running on http://0.0.0.0:5000 (CTRL + C to quit)
[2024-06-06 18:34:25 +0800] [41216] [INFO] 127.0.0.1:52680 GET /ws 1.1 101 - 2000
Received from client: Hello, Server!

客户端

Received from server: Hello, Server!

到此这篇关于Python使用Quart作为web服务器的代码实现的文章就介绍到这了。

相关文章
|
20天前
|
开发框架 数据建模 中间件
Python中的装饰器:简化代码,增强功能
在Python的世界里,装饰器是那些静悄悄的幕后英雄。它们不张扬,却能默默地为函数或类增添强大的功能。本文将带你了解装饰器的魅力所在,从基础概念到实际应用,我们一步步揭开装饰器的神秘面纱。准备好了吗?让我们开始这段简洁而富有启发性的旅程吧!
26 6
|
13天前
|
数据可视化 Python
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
通过这些思维导图和分析说明表,您可以更直观地理解和选择适合的数据可视化图表类型,帮助更有效地展示和分析数据。
57 8
|
20天前
|
API Python
【Azure Developer】分享一段Python代码调用Graph API创建用户的示例
分享一段Python代码调用Graph API创建用户的示例
44 11
|
18天前
|
Python
探索Python中的装饰器:简化代码,增强功能
在Python的世界里,装饰器就像是给函数穿上了一件神奇的外套,让它们拥有了超能力。本文将通过浅显易懂的语言和生动的比喻,带你了解装饰器的基本概念、使用方法以及它们如何让你的代码变得更加简洁高效。让我们一起揭开装饰器的神秘面纱,看看它是如何在不改变函数核心逻辑的情况下,为函数增添新功能的吧!
|
19天前
|
程序员 测试技术 数据安全/隐私保护
深入理解Python装饰器:提升代码重用与可读性
本文旨在为中高级Python开发者提供一份关于装饰器的深度解析。通过探讨装饰器的基本原理、类型以及在实际项目中的应用案例,帮助读者更好地理解并运用这一强大的语言特性。不同于常规摘要,本文将以一个实际的软件开发场景引入,逐步揭示装饰器如何优化代码结构,提高开发效率和代码质量。
43 6
|
7天前
|
弹性计算 运维 安全
阿里云轻量应用服务器与ECS的区别及选择指南
轻量应用服务器和云服务器ECS(Elastic Compute Service)是两款颇受欢迎的产品。本文将对这两者进行详细的对比,帮助用户更好地理解它们之间的区别,并根据自身需求做出明智的选择。
|
8天前
|
SQL 弹性计算 安全
阿里云上云优选与飞天加速计划活动区别及购买云服务器后续必做功课参考
对于很多用户来说,购买云服务器通常都是通过阿里云当下的各种活动来购买,这就有必要了解这些活动的区别,同时由于活动内的云服务器购买之后还需要单独购买并挂载数据盘,还需要设置远程密码以及安全组等操作之后才能正常使用云服务器。本文就为大家介绍一下目前比较热门的上云优选与飞天加速计划两个活动的区别,以及通过活动来购买云服务器之后的一些必做功课,确保云服务器可以正常使用,以供参考。
|
11天前
|
弹性计算 安全 开发工具
灵码评测-阿里云提供的ECS python3 sdk做安全组管理
批量变更阿里云ECS安全组策略(批量变更)
|
28天前
|
存储 人工智能 弹性计算
阿里云弹性计算(ECS)提供强大的AI工作负载平台,支持灵活的资源配置与高性能计算,适用于AI训练与推理
阿里云弹性计算(ECS)提供强大的AI工作负载平台,支持灵活的资源配置与高性能计算,适用于AI训练与推理。通过合理优化资源分配、利用自动伸缩及高效数据管理,ECS能显著提升AI系统的性能与效率,降低运营成本,助力科研与企业用户在AI领域取得突破。
48 6
|
5天前
|
机器学习/深度学习 人工智能 编解码
阿里云GPU云服务器优惠收费标准,GPU服务器优缺点与适用场景详解
随着人工智能、大数据分析和高性能计算的发展,对计算资源的需求不断增加。GPU凭借强大的并行计算能力和高效的浮点运算性能,逐渐成为处理复杂计算任务的首选工具。阿里云提供了从入门级到旗舰级的多种GPU服务器,涵盖GN5、GN6、GN7、GN8和GN9系列,分别适用于图形渲染、视频编码、深度学习推理、训练和高性能计算等场景。本文详细介绍各系列的规格、价格和适用场景,帮助用户根据实际需求选择最合适的GPU实例。