FastHX 使用教程
2025-04-18 09:54:19作者:裴麒琰
1. 项目介绍
FastHX 是一个为 FastAPI 提供服务端渲染的库,它支持与 HTMX 框架的无缝集成,同时也支持其他模板引擎如 jinja2 或 dominate。FastHX 通过装饰器语法简化了 FastAPI 路由的 HTML 响应渲染过程,允许开发者专注于业务逻辑,而将渲染层的处理交给 FastHX。
2. 项目快速启动
首先,确保你已经安装了 Python 环境。然后,通过以下命令安装 FastHX:
pip install fasthx
若你需要使用 HTMX 集成,请安装:
pip install fasthx[htmy]
以下是一个简单的 FastAPI 应用,使用 FastHX 进行服务端渲染的示例:
from fastapi import FastAPI
from pydantic import BaseModel
from fasthx import HTMY
# 定义数据模型
class User(BaseModel):
    name: str
    birthday: date
# 创建 FastAPI 应用
app = FastAPI()
# 创建 FastHX HTMY 实例
htmy = HTMY()
# 创建一个路由,使用 HTMY 渲染
@app.get("/users")
@htmy.hx(UserList)
def get_users():
    return [
        User(name="John", birthday=date(1940, 10, 9)),
        User(name="Paul", birthday=date(1942, 6, 18)),
        User(name="George", birthday=date(1943, 2, 25)),
        User(name="Ringo", birthday=date(1940, 7, 7)),
    ]
# 运行应用
if __name__ == "__main__":
    import uvicorn
    uvicorn.run(app, host="0.0.0.0", port=8000)
确保你的 FastAPI 应用运行在本地开发服务器上,然后访问 http://localhost:8000/users,你应该能看到渲染后的用户列表。
3. 应用案例和最佳实践
使用 jinja2 模板引擎
如果你偏好使用 jinja2,你可以按照以下步骤集成:
- 
安装 FastHX 和 jinja2:
pip install fasthx[jinja] - 
创建一个 FastAPI 应用,并使用
FastHX的Jinja实例:from fastapi import FastAPI from fastapi.templating import Jinja2Templates from fasthx import Jinja app = FastAPI() jinja = Jinja(Jinja2Templates(directory="templates")) - 
在
templates目录下创建你的 HTML 模板文件。 - 
使用
Jinja实例的装饰器来创建路由:@app.get("/") @jinja.page("index.html") def index(): return {"message": "Hello, World!"} 
错误处理
FastHX 允许你定义错误处理的组件,当路由中抛出异常时,可以捕获并渲染特定的错误页面。
4. 典型生态项目
FastHX 作为一个 FastAPI 的渲染工具,可以与 FastAPI 生态中的其他项目配合使用,例如:
- 使用 
sqlalchemy进行数据持久化。 - 使用 
passlib进行用户认证。 - 使用 
pytest和pytest-fastapi进行测试。 
以上是 FastHX 的基础使用教程,你可以根据具体的项目需求,扩展和定制 FastHX 的使用方式。
登录后查看全文 
热门项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
 
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
 
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
278
2.57 K
deepin linux kernel
C
24
6
React Native鸿蒙化仓库
JavaScript
222
302
Ascend Extension for PyTorch
Python
105
133
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++
599
161
暂无简介
Dart
568
126
一个用于服务器应用开发的综合工具库。
- 零配置文件
- 环境变量和命令行参数配置
- 约定优于配置
- 深刻利用仓颉语言特性
- 只需要开发动态链接库,fboot负责加载、初始化并运行。
Cangjie
250
14
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.03 K
607
仓颉编译器源码及 cjdb 调试工具。
C++
118
103
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!
C
1.02 K
446