使用Python和Flask构建简单的Web API

简介: 使用Python和Flask构建简单的Web API

引言
本文将指导你如何使用Python的Flask框架构建一个简单的Web API。我们将从头开始,包括设置虚拟环境、安装Flask、创建API端点以及处理HTTP请求和响应。

正文与代码演示

  1. 设置虚拟环境
    首先,我们需要为项目创建一个虚拟环境。这将帮助我们管理项目的依赖项。

    python3 -m venv venv
    source venv/bin/activate  # 在Windows上使用 `venv\Scripts\activate`
    
  2. 安装Flask
    接下来,我们需要安装Flask。

    pip install Flask
    
  3. 创建Flask应用
    现在,我们可以创建一个简单的Flask应用。创建一个名为app.py的文件,并添加以下代码。

    from flask import Flask, jsonify, request
    
    app = Flask(__name__)
    
    @app.route('/api/hello', methods=['GET'])
    def hello():
        return jsonify({
         'message': 'Hello, World!'})
    
    @app.route('/api/add', methods=['POST'])
    def add():
        data = request.get_json()
        a = data.get('a')
        b = data.get('b')
        if a is None or b is None:
            return jsonify({
         'error': 'Missing parameters'}), 400
        return jsonify({
         'result': a + b})
    
    if __name__ == '__main__':
        app.run(debug=True)
    
  4. 运行应用
    现在,我们可以运行这个Flask应用。

    python app.py
    

    打开浏览器或使用curl命令访问http://127.0.0.1:5000/api/hellohttp://127.0.0.1:5000/api/add(POST请求,JSON数据{"a": 1, "b": 2}),你将看到相应的响应。

结论
通过本文,我们学习了如何使用Flask构建一个简单的Web API。我们创建了GET和POST端点,并处理了HTTP请求和响应。你可以根据需要扩展这个示例,添加更多的端点和功能。

相关文章
|
5月前
|
人工智能 JavaScript API
零基础构建MCP服务器:TypeScript/Python双语言实战指南
作为一名深耕技术领域多年的博主摘星,我深刻感受到了MCP(Model Context Protocol)协议在AI生态系统中的革命性意义。MCP作为Anthropic推出的开放标准,正在重新定义AI应用与外部系统的交互方式,它不仅解决了传统API集成的复杂性问题,更为开发者提供了一个统一、安全、高效的连接框架。在过去几个月的实践中,我发现许多开发者对MCP的概念理解透彻,但在实际动手构建MCP服务器时却遇到了各种技术壁垒。从环境配置的细节问题到SDK API的深度理解,从第一个Hello World程序的调试到生产环境的部署优化,每一个环节都可能成为初学者的绊脚石。因此,我决定撰写这篇全面的实
940 67
零基础构建MCP服务器:TypeScript/Python双语言实战指南
|
4月前
|
运维 NoSQL Serverless
|
5月前
|
机器学习/深度学习 算法 量子技术
GQNN框架:让Python开发者轻松构建量子神经网络
为降低量子神经网络的研发门槛并提升其实用性,本文介绍一个名为GQNN(Generalized Quantum Neural Network)的Python开发框架。
115 4
GQNN框架:让Python开发者轻松构建量子神经网络
|
3月前
|
前端开发 JavaScript 开发者
JavaScript:构建动态Web的核心力量
JavaScript:构建动态Web的核心力量
|
2月前
|
人工智能 API 开发工具
构建AI智能体:一、初识AI大模型与API调用
本文介绍大模型基础知识及API调用方法,涵盖阿里云百炼平台密钥申请、DashScope SDK使用、Python调用示例(如文本情感分析、图像文字识别),助力开发者快速上手大模型应用开发。
1046 16
构建AI智能体:一、初识AI大模型与API调用
|
5月前
|
机器学习/深度学习 JSON 监控
如何通过API技术提升电商客户忠诚度:构建智能化客户关系引擎
在电商竞争激烈的当下,客户忠诚度成为核心壁垒。通过API技术构建智能化客户关系系统,整合全渠道数据,实现个性化推荐与自动化运营,提升用户黏性与复购率。结合实时行为分析、差异化定价、积分系统等手段,打造高效忠诚度管理体系,助力企业实现长期增长。
99 1
|
6月前
|
数据采集 机器学习/深度学习 搜索推荐
利用通义大模型构建个性化推荐系统——从数据预处理到实时API部署
本文详细介绍了基于通义大模型构建个性化推荐系统的全流程,涵盖数据预处理、模型微调、实时部署及效果优化。通过采用Qwen-72B结合LoRA技术,实现电商场景下CTR提升58%,GMV增长12.7%。文章分析了特征工程、多任务学习和性能调优的关键步骤,并探讨内存优化与蒸馏实践。最后总结了大模型在推荐系统中的适用场景与局限性,提出未来向MoE架构和因果推断方向演进的建议。
981 11
|
5月前
|
监控 安全 数据挖掘
构建自定义电商数据分析API
在电商业务中,构建自定义数据分析API可实现销售、用户行为等指标的实时分析。本文介绍如何设计并搭建高效、可扩展的API,助力企业快速响应市场变化,提升决策效率。
148 0
|
3月前
|
安全 Java API
使用 Java 构建强大的 REST API 的四个基本技巧
本文结合探险领域案例,分享Java构建REST API的四大核心策略:统一资源命名、版本控制与自动化文档、安全防护及标准化异常处理,助力开发者打造易用、可维护、安全可靠的稳健API服务。
208 2
|
4月前
|
运维 NoSQL Serverless
《第四纪元》玩得轻松,构建也轻松 | 阿里云云原生 API 网关、函数计算助力 IGame 快速构建轻休闲游戏
在轻休闲游戏流量波动大、生命周期短的背景下,传统架构难以应对成本与扩展挑战。本文介绍了基于阿里云函数计算 FC 和 Redis 构建的新一代服务器架构,实现弹性伸缩、成本优化与高效运维,助力轻休闲游戏快速迭代与稳定运营,提升开发效率并降低运维复杂度。
《第四纪元》玩得轻松,构建也轻松 | 阿里云云原生 API 网关、函数计算助力 IGame 快速构建轻休闲游戏

推荐镜像

更多