The Way to Flask 项目解析:构建简单的 REST 服务
什么是 REST 服务
在现代 Web 开发中,REST (Representational State Transfer) 已经成为构建 API 的主流架构风格。REST 服务通过 HTTP 协议提供轻量级的接口,使客户端和服务器能够以标准化的方式进行数据交换。
REST 服务的核心特点包括:
- 无状态性:每个请求都包含处理所需的所有信息
- 资源导向:通过 URI 标识资源
- 统一接口:使用标准的 HTTP 方法 (GET, POST, PUT, DELETE 等)
- 可缓存性:响应可以明确标记为可缓存或不可缓存
从简单 Flask 应用到 REST 服务
在 The Way to Flask 项目中,作者展示了如何将一个简单的返回 "Hello World" 的 Flask 应用改造为功能完整的 REST 服务。让我们深入分析这个转换过程的关键步骤。
基础改造:返回 JSON 数据
最初的 Flask 应用返回简单的字符串:
@app.route('/')
def index():
return "Hello World!"
改造为返回 JSON 数据时,初学者可能会直接使用 Python 的 json 模块:
import json
@app.route('/')
def index():
return json.dumps({'name': 'tyrael', 'email': 'liqianglau@outlook.com'})
问题发现:虽然返回了 JSON 格式的数据,但响应头仍然是 text/html
,这可能导致客户端解析问题。
解决方案:使用 Flask 提供的 jsonify
函数:
from flask import jsonify
@app.route('/')
def index():
return jsonify({'name': 'tyrael', 'email': 'liqianglau@outlook.com'})
jsonify
不仅会自动设置正确的 Content-Type 头 (application/json
),还会对 JSON 数据进行格式化,使输出更易读。
支持多种 HTTP 方法
完整的 REST 服务需要支持多种 HTTP 方法来实现 CRUD (Create, Read, Update, Delete) 操作:
@app.route('/', methods=['GET']) # 查询
@app.route('/', methods=['PUT']) # 创建
@app.route('/', methods=['POST']) # 更新
@app.route('/', methods=['DELETE']) # 删除
每种方法对应不同的业务逻辑:
- GET - 查询数据
- PUT - 创建新记录
- POST - 更新现有记录
- DELETE - 删除记录
请求数据处理
Flask 提供了 request
对象来处理客户端发送的数据:
-
GET 请求参数:通过
request.args
获取 URL 查询参数name = request.args.get('name')
-
请求体数据:通过
request.data
获取请求体内容record = json.loads(request.data)
完整实现解析
项目中使用文件作为临时数据存储,实现了完整的 CRUD 操作:
查询数据 (GET)
@app.route('/', methods=['GET'])
def query_records():
name = request.args.get('name')
with open('/tmp/data.txt', 'r') as f:
data = f.read()
records = json.loads(data)
for record in records:
if record['name'] == name:
return jsonify(record)
return jsonify({'error': 'data not found'})
创建数据 (PUT)
@app.route('/', methods=['PUT'])
def create_record():
record = json.loads(request.data)
with open('/tmp/data.txt', 'r') as f:
data = f.read()
records = json.loads(data) if data else []
records.append(record)
with open('/tmp/data.txt', 'w') as f:
f.write(json.dumps(records, indent=2))
return jsonify(record)
更新数据 (POST)
@app.route('/', methods=['POST'])
def update_record():
record = json.loads(request.data)
new_records = []
with open('/tmp/data.txt', 'r') as f:
records = json.loads(f.read())
for r in records:
if r['name'] == record['name']:
r['email'] = record['email']
new_records.append(r)
with open('/tmp/data.txt', 'w') as f:
f.write(json.dumps(new_records, indent=2))
return jsonify(record)
删除数据 (DELETE)
@app.route('/', methods=['DELETE'])
def delte_record():
record = json.loads(request.data)
with open('/tmp/data.txt', 'r') as f:
records = json.loads(f.read())
new_records = [r for r in records if r['name'] != record['name']]
with open('/tmp/data.txt', 'w') as f:
f.write(json.dumps(new_records, indent=2))
return jsonify(record)
实际开发建议
虽然这个示例使用文件存储数据,但在实际项目中:
- 使用数据库:考虑使用 SQLite、MySQL 或 MongoDB 等数据库系统
- 错误处理:添加更完善的错误处理机制
- 数据验证:验证输入数据的格式和有效性
- 身份验证:添加 API 访问权限控制
- 分页:对于大量数据实现分页查询
总结
The Way to Flask 项目通过这个简单的 REST 服务示例,清晰地展示了:
- 如何正确处理 JSON 响应
- 如何支持多种 HTTP 方法
- 如何获取不同类型的请求数据
- 实现完整 CRUD 操作的思路
这个示例为学习 Flask 和 REST API 开发提供了很好的起点,开发者可以在此基础上继续扩展更复杂的功能。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









