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
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 StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
652
797
Claude 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 Started
Rust
1.25 K
153
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
1.1 K
611
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++
1.01 K
1.01 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
147
237
昇腾LLM分布式训练框架
Python
168
200
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
434
395
暂无简介
Dart
986
253