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
|
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。
879 0
|
存储 Java 数据处理
(numpy)Python做数据处理必备框架!(一):认识numpy;从概念层面开始学习ndarray数组:形状、数组转置、数值范围、矩阵...
Numpy是什么? numpy是Python中科学计算的基础包。 它是一个Python库,提供多维数组对象、各种派生对象(例如掩码数组和矩阵)以及用于对数组进行快速操作的各种方法,包括数学、逻辑、形状操作、排序、选择、I/0 、离散傅里叶变换、基本线性代数、基本统计运算、随机模拟等等。 Numpy能做什么? numpy的部分功能如下: ndarray,一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组 用于对整组数据进行快速运算的标准数学函数(无需编写循环)。 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。 线性代数、随机数生成以及傅里叶变换功能。 用于集成由C、C++
887 1
|
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。
419 4
GQNN框架:让Python开发者轻松构建量子神经网络
|
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。
912 0
|
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 &、|。
599 0
|
JSON 监控 BI
拼多多批量下单工具,拼多多买家批量下单软件,低价下单python框架分享
使用Selenium实现自动化操作流程多线程订单处理提升效率
|
机器人 数据安全/隐私保护 Python
企业微信自动回复软件,企业微信自动回复机器人,python框架分享
企业微信机器人包含完整的消息处理流程,支持文本消息自动回复、事件处理、消息加密解密等功能
|
Web App开发 数据安全/隐私保护 Python
万能ck提取登录软件,京东贴吧淘宝拼多多cookie提取工具,python框架分享
这个框架使用了Selenium进行浏览器自动化操作,包含了京东和淘宝的登录示例。代码展示了如
|
机器学习/深度学习 算法 PyTorch
【Pytorch框架搭建神经网络】基于DQN算法、优先级采样的DQN算法、DQN + 人工势场的避障控制研究(Python代码实现)
【Pytorch框架搭建神经网络】基于DQN算法、优先级采样的DQN算法、DQN + 人工势场的避障控制研究(Python代码实现)
383 1
|
JSON 数据安全/隐私保护 数据格式
拼多多批量下单软件,拼多多无限账号下单软件,python框架仅供学习参考
完整的拼多多自动化下单框架,包含登录、搜索商品、获取商品列表、下单等功能。

推荐镜像

更多