Flasgger 教程:打造你的 Flask 应用Swagger UI
2026-01-17 08:52:02作者:鲍丁臣Ursa
1. 项目介绍
Flasgger 是一个用于 Flask 的扩展,它允许从 Flask 视图中提取 OpenAPI 规范(以前称为 Swagger 2.0),并且集成了 Swagger UI。这使得开发者可以轻松地可视化和交互操作基于 Flask 构建的 RESTful API 资源。Flasgger 提供了数据验证功能,根据定义的 YAML、Python 字典或 Marshmallow Schemas 来检查接收到的数据。它可以处理简单函数视图、MethodViews,甚至可以通过 @swag_from 装饰器获取 YAML 或字典中的规范。
2. 项目快速启动
依赖安装
首先,确保你已经安装了 Python 并创建了一个虚拟环境。在终端中执行以下命令:
# 创建虚拟环境
$ mkvirtualenv my_flask_app
# 进入虚拟环境
$ workon my_flask_app
# 安装所需库
$ pip install flask flasgger
快速示例
接下来,我们将创建一个简单的 Flask 应用并集成 Flasgger。创建一个名为 app.py 的文件,然后添加以下代码:
from flask import Flask, jsonify, request
from flasgger import Swagger
app = Flask(__name__)
Swagger(app)
@app.route('/hello', methods=['GET'])
@swag_from({
'tags': ['Example'],
'description': 'Say hello',
'responses': {
'200': {
'description': 'A successful response',
'examples': {'application/json': {'message': 'Hello, World!'}}
}
},
})
def hello():
return jsonify(message="Hello, World!")
if __name__ == '__main__':
app.run(debug=True)
运行这个文件,访问 http://localhost:5000/hello 查看 API 功能。要查看 API 文档,打开浏览器访问 http://localhost:5000/apidocs。
3. 应用案例和最佳实践
一个常见的最佳实践是将 API 规范与代码分离。在一个单独的 YAML 文件中定义规范,然后使用 @swag_from 装饰器导入,例如:
# api_docs.yaml
paths:
/hello:
get:
summary: Say Hello
operationId: say_hello
responses:
'200':
description: Successful response
schema:
type: object
properties:
message:
type: string
在 Python 代码中:
# app.py
from flask import Flask, jsonify, request
from flasgger import Swagger
from swag_from_yaml import swag_from_yaml
app = Flask(__name__)
Swagger(app)
with open('api_docs.yaml', 'r') as f:
SWAGGER_YAML = f.read()
@app.route('/hello', methods=['GET'])
@swag_from_yaml(SWAGGER_YAML)
def hello():
return jsonify(message="Hello, World!")
if __name__ == '__main__':
app.run(debug=True)
这样,API 规范更容易管理和维护。
4. 典型生态项目
Flasgger 可以与多个其他开源项目结合使用,如:
- Marshmallow: 用于数据序列化和验证的强大工具。
- Flask-Restplus: 提供更多高级特性,例如模型定义和自动生成 API 级别的文档。
- OpenAPI Generator: 通过 OpenAPI 规范生成客户端库、服务器 stub 和文档。
Flasgger 的核心在于提供了一个界面友好的方式来展示和测试基于 Flask 的 API。与这些生态项目的结合可以进一步增强你的 API 开发体验。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
deepin linux kernel
C
28
15
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
660
4.26 K
🎉 (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
1.54 K
894
Ascend Extension for PyTorch
Python
505
610
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
392
289
暂无简介
Dart
909
219
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
昇腾LLM分布式训练框架
Python
142
168
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++
940
867
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108