FastHX 使用教程
2025-04-18 12:55:02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
相关项目推荐
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
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.75 K
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
336
178
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++
886
596
Ascend Extension for PyTorch
Python
340
405
暂无简介
Dart
772
191
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
247
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
416
4.21 K
React Native鸿蒙化仓库
JavaScript
303
355