深入理解ipeirotis/dealing_with_data项目中的Jinja模板技术
2025-06-04 06:59:11作者:胡唯隽
什么是Jinja模板引擎
Jinja是一个现代化的、设计优雅的模板引擎,它是Python web开发中最流行的模板语言之一。在Flask框架中,Jinja被用作默认的模板引擎,它允许开发者将业务逻辑与表现层分离,使代码更加清晰可维护。
为什么需要模板引擎
在传统的web开发中,我们经常需要在Python代码中直接嵌入HTML字符串,这种方式有几个明显的缺点:
- 代码可读性差:HTML和Python代码混杂在一起
- 维护困难:修改界面需要改动Python代码
- 复用性差:相同的HTML结构无法复用
- 协作不便:前端开发人员需要理解Python代码
Jinja模板引擎完美解决了这些问题,它允许我们将HTML代码保存在单独的文件中,并通过简单的语法实现动态内容的渲染。
基础模板使用
创建第一个模板
让我们从创建一个简单的模板开始。在项目中,我们首先创建一个index.html文件:
<!DOCTYPE html>
<html>
<head>
<title>My Flask App</title>
</head>
<body>
<h1>Hello World!</h1>
<h4>Welcome to the Flask Lesson</h4>
<hr>
<div style="color: green">
<strong>Below an image is displayed</strong>
<p>
<img width="300" src="https://upload.wikimedia.org/wikipedia/en/thumb/5/58/NYU_logo.svg/1280px-NYU_logo.svg.png"/>
<p>This is a simple example how to use HTML in Flask templates</p>
</div>
</body>
</html>
然后在Flask应用中使用render_template函数渲染这个模板:
from flask import Flask, render_template
app = Flask(__name__, template_folder='/path/to/templates')
@app.route("/")
def home():
return render_template("index.html")
模板变量
Jinja最强大的功能之一是支持变量替换。我们可以创建index2.html模板:
<html>
<title>My main page</title>
<body>
<h1>Hello, {{ username }}!</h1>
<h1>Today is {{ today }}</h1>
</body>
</html>
然后在Python代码中传递这些变量:
import datetime
@app.route("/")
def home():
today = datetime.date.today()
return render_template("index2.html", username="Panos Ipeirotis", today=today)
高级模板功能
循环结构
Jinja支持类似Python的循环结构,可以方便地渲染列表数据。例如,我们可以创建一个演员列表页面:
@app.route("/actors")
def actors():
persons = [
{"name": "Robert De Niro", "age": 73},
{"name": "Leonardo DiCaprio", "age": 42},
{"name": "Tom Hanks", "age": 60},
{"name": "Tom Cruise", "age": 54}
]
return render_template('actors.html', title="My favorite actors", actors=persons)
对应的模板文件actors.html:
<body>
<h2>{{ title }}</h2>
<ul>
{% for i in actors %}
<li>Name: {{ i.name }}; age: {{ i.age }}</li>
{% endfor %}
</ul>
</body>
条件语句
Jinja还支持条件判断,我们可以根据数据的不同状态显示不同的内容:
<body>
<h2>{{ title }}</h2>
<ul>
{% for i in actors %}
<li>
{% if i.age == 60 %}
<u>Name: {{ i.name }}; age: {{ i.age }}</u>
{% elif i.age > 50 %}
<strong>Name: {{ i.name }}; age: {{ i.age }}</strong>
{% else %}
Name: {{ i.name }}; age: {{ i.age }}
{% endif %}
</li>
{% endfor %}
</ul>
</body>
实际应用示例
让我们看一个更实际的例子,展示食物营养成分表:
@app.route("/food")
def food():
food_items = [
{"food": "Apple pie, 1 piece", "calories": 405, "protein": 3, "fat": 18, "carbohydrate": 60},
{"food": "Banana", "calories": 105, "protein": 1, "fat": 0, "carbohydrate": 27},
{"food": "Beaf steak", "calories": 240, "protein": 23, "fat": 15, "carbohydrate": 0},
{"food": "Carrot", "calories": 30, "protein": 1, "fat": 0, "carbohydrate": 7},
{"food": "Chicken soup, 1 cup", "calories": 60, "protein": 4, "fat": 2, "carbohydrate": 7}
]
return render_template('food.html', food_items=food_items)
对应的模板可以添加条件格式,突出显示高热量食物:
<table border="1">
<tr>
<th>Food</th>
<th>Calories</th>
<th>Protein</th>
<th>Fat</th>
<th>Carbohydrate</th>
</tr>
{% for item in food_items %}
<tr {% if item.calories > 300 %}style="background-color: #ffcccc"{% endif %}>
<td>{{ item.food }}</td>
<td>{{ item.calories }}</td>
<td>{{ item.protein }}</td>
<td>{{ item.fat }}</td>
<td>{{ item.carbohydrate }}</td>
</tr>
{% endfor %}
</table>
最佳实践
- 模板组织:将模板文件放在专门的
templates目录中 - 模板继承:使用
{% extends %}和{% block %}创建基础模板和子模板 - 包含文件:使用
{% include %}复用公共组件 - 过滤器:使用Jinja过滤器格式化数据,如
{{ variable|capitalize }} - 宏:创建可复用的模板组件
总结
Jinja模板引擎是Flask开发中不可或缺的一部分,它提供了强大的功能来分离逻辑和表现层。通过本教程,我们学习了:
- 基本模板渲染
- 变量替换
- 循环和条件语句
- 实际应用示例
- 最佳实践
掌握Jinja模板技术将使你的Flask应用更加结构清晰、易于维护,并提高开发效率。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
114
昇腾LLM分布式训练框架
Python
178
220