Django REST Framework JWT 教程
项目介绍
Django REST Framework JWT(JSON Web Tokens)是由 jpadilla 开发的一个开源项目,旨在为 Django REST Framework 提供JWT身份验证支持。JWT是一种开放标准(RFC 7519),用于在双方之间安全地传输信息作为JSON对象。这个库使得在基于Django构建的API中实现无状态的、可选的会话认证变得更加简单高效。
项目快速启动
要快速开始使用Django REST Framework JWT,首先确保你的环境已经准备了Django和Django REST Framework。以下是安装及配置步骤:
安装
在你的Django项目环境中执行以下命令来安装django-rest-framework-jwt:
pip install djangorestframework-jwt
配置
接着,在Django设置文件settings.py中添加该库到INSTALLED_APPS列表:
INSTALLED_APPS = [
# ...
'rest_framework',
'rest_framework_jwt',
# ...
]
配置JWT认证,默认配置可以满足基本需求,但你可以根据实际需求调整:
REST_FRAMEWORK = {
'DEFAULT_AUTHENTICATION_CLASSES': (
'rest_framework_jwt.authentication.JSONWebTokenAuthentication',
),
}
使用示例
创建一个视图以支持JWT登录。假设你有一个User模型,下面是如何创建一个简单的登录接口:
from rest_framework.views import APIView
from rest_framework.response import Response
from rest_framework.status import HTTP_200_OK, HTTP_400_BAD_REQUEST
from django.contrib.auth import authenticate
from rest_framework_jwt.utils import jwt_encode_handler, jwt_payload_handler
class ObtainAuthToken(APIView):
def post(self, request, format=None):
email = request.data.get('email')
password = request.data.get('password')
user = authenticate(email=email, password=password)
if user:
payload = jwt_payload_handler(user)
token = jwt_encode_handler(payload)
return Response({'token': token}, status=HTTP_200_OK)
else:
return Response({'error': 'Invalid credentials'}, status=HTTP_400_BAD_REQUEST)
在URL配置中添加上述视图的路由。
应用案例和最佳实践
- 权限控制:结合Django的权限系统或自定义权限类,确保只有有权用户可以访问特定资源。
- 刷新令牌(Refresh Tokens):为了长期保持用户登录状态,可以实现刷新JWT逻辑,提供一个刷新令牌机制。
- 过期时间设置:合理设置JWT的过期时间,既保证安全性又兼顾用户体验。
- 非对称加密(可选):在生产环境下考虑使用RSA算法而非HMAC,提高安全性。
典型生态项目
虽然直接使用django-rest-framework-jwt的活动已减少(可能因为DRF自带了新的认证方式如JWT认证插件DRF Simple JWT),但它过去是许多Django REST API项目中的关键组件。对于寻找更新替代方案的开发者,推荐考察类似djangorestframework-simplejwt这样的项目,它延续了JWT认证的功能并兼容最新版的Django REST Framework。
记住,选择合适的身份验证方法应基于具体的应用场景和安全性要求。随着技术的发展,社区可能会推出更多高效的解决方案,因此保持学习和探索新工具是很重要的。
以上就是关于django-rest-framework-jwt的基本教程和一些最佳实践建议,希望对你有所帮助。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00