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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00