Python Flask 简明教程(5)--第一个Flask程序解析

简介: 本文目录1. 前言2. 第一个程序3. 运行代码4. 小结

1. 前言

本篇我们通过编写第一个Flask程序,来了解Flask的基本情况。


2. 第一个程序

我们先看代码:


from flask import Flask

app=Flask(__name__)


@app.route('/')

def hello():

   return 'hello world!'


if __name__=='__main__':

   app.run()

1

2

3

4

5

6

7

8

9

逐一解析:


from flask import Flask,表示导入Flask框架的类

app=Flask(__name__),我们使用Flask类实例化了一个对象,名为app,所以该对象就具备了Flask框架的能力。比如可以接受HTTP请求并响应。

app=Flask(__name__),参数为__name__,这就将Flask对象和当前程序关联起来,也就是说Flask知道当前程序启动位置在哪个模块,然后Flask可以根据这个模块的情况去加载相应的资源,例如静态文件等。

@app.route('/')这个装饰器的作用是给下面的方法,添加了一个路由(route)装饰,也就是说当请求的路由匹配到/的时候,会调用hello()方法进行处理。

app.run()是让应用程序运行起来,前面的if是为了确保脚本被Pyhon解释器直接执行时候,才会运行。因为只有直接执行该py文件,__name__的值才是'__main__'。

补充一下,如果不是直接运行的当前hello.py文件,而是作为一个模块导入的,那么app.run()就不会运行了,因为if条件不成立。

3. 运行代码

可以在VSCode里面直接按F5运行,控制台显示如下,可以看到程序已经在127.0.0.1:5000运行了,Flask默认的启动端口就是5000,另外可以按Ctril+C停止运行。


* Serving Flask app 'hello' (lazy loading)

* Environment: production

  WARNING: This is a development server. Do not use it in a production deployment.

  Use a production WSGI server instead.

* Debug mode: off

* Running on http://127.0.0.1:5000/ (Press CTRL+C to quit)

1

2

3

4

5

6

打开网页访问后,效果如下,课间我们的程序已经能够响应简单的HTTP请求了。



4. 小结

通过这一个例子就能看出,Flask真是非常简洁啊。

相关文章
|
9月前
|
XML JSON 数据处理
超越JSON:Python结构化数据处理模块全解析
本文深入解析Python中12个核心数据处理模块,涵盖csv、pandas、pickle、shelve、struct、configparser、xml、numpy、array、sqlite3和msgpack,覆盖表格处理、序列化、配置管理、科学计算等六大场景,结合真实案例与决策树,助你高效应对各类数据挑战。(238字)
1242 0
|
9月前
|
索引 Python
Python 列表切片赋值教程:掌握 “移花接木” 式列表修改技巧
本文通过生动的“嫁接”比喻,讲解Python列表切片赋值操作。切片可修改原列表内容,实现头部、尾部或中间元素替换,支持不等长赋值,灵活实现列表结构更新。
454 1
|
9月前
|
数据采集 存储 JavaScript
解析Python爬虫中的Cookies和Session管理
Cookies与Session是Python爬虫中实现状态保持的核心。Cookies由服务器发送、客户端存储,用于标识用户;Session则通过唯一ID在服务端记录会话信息。二者协同实现登录模拟与数据持久化。
|
10月前
|
数据采集 存储 XML
Python爬虫技术:从基础到实战的完整教程
最后强调: 父母法律法规限制下进行网络抓取活动; 不得侵犯他人版权隐私利益; 同时也要注意个人安全防止泄露敏感信息.
1093 19
|
10月前
|
JSON 缓存 开发者
淘宝商品详情接口(item_get)企业级全解析:参数配置、签名机制与 Python 代码实战
本文详解淘宝开放平台taobao.item_get接口对接全流程,涵盖参数配置、MD5签名生成、Python企业级代码实现及高频问题排查,提供可落地的实战方案,助你高效稳定获取商品数据。
|
10月前
|
存储 大数据 Unix
Python生成器 vs 迭代器:从内存到代码的深度解析
在Python中,处理大数据或无限序列时,迭代器与生成器可避免内存溢出。迭代器通过`__iter__`和`__next__`手动实现,控制灵活;生成器用`yield`自动实现,代码简洁、内存高效。生成器适合大文件读取、惰性计算等场景,是性能优化的关键工具。
456 2
|
10月前
|
机器学习/深度学习 文字识别 Java
Python实现PDF图片OCR识别:从原理到实战的全流程解析
本文详解2025年Python实现扫描PDF文本提取的四大OCR方案(Tesseract、EasyOCR、PaddleOCR、OCRmyPDF),涵盖环境配置、图像预处理、核心识别与性能优化,结合财务票据、古籍数字化等实战场景,助力高效构建自动化文档处理系统。
2540 0
|
10月前
|
机器学习/深度学习 JSON Java
Java调用Python的5种实用方案:从简单到进阶的全场景解析
在机器学习与大数据融合背景下,Java与Python协同开发成为企业常见需求。本文通过真实案例解析5种主流调用方案,涵盖脚本调用到微服务架构,助力开发者根据业务场景选择最优方案,提升开发效率与系统性能。
2167 0
机器学习/深度学习 算法 自动驾驶
1475 0
|
10月前
|
算法 安全 数据安全/隐私保护
Python随机数函数全解析:5个核心工具的实战指南
Python的random模块不仅包含基础的随机数生成函数,还提供了如randint()、choice()、shuffle()和sample()等实用工具,适用于游戏开发、密码学、统计模拟等多个领域。本文深入解析这些函数的用法、底层原理及最佳实践,帮助开发者高效利用随机数,提升代码质量与安全性。
1324 0

推荐镜像

更多