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
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 StartedRust099- 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
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
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
热门内容推荐
最新内容推荐
跨系统应用融合:APK Installer实现Windows环境下安卓应用运行的技术路径探索如何用OpCore Simplify构建稳定黑苹果系统?掌握这3大核心策略ComfyUI-LTXVideo实战攻略:3大核心场景的视频生成解决方案告别3小时抠像噩梦:AI如何让人人都能制作电影级视频Anki Connect:知识管理与学习自动化的API集成方案Laigter法线贴图生成工具零基础实战指南:提升2D游戏视觉效率全攻略如何用智能助手实现高效微信自动回复?全方位指南3步打造高效游戏自动化工具:从入门到精通的智能辅助方案掌握语音分割:从入门到实战的完整路径开源翻译平台完全指南:从搭建到精通自托管翻译服务
项目优选
收起
deepin linux kernel
C
28
16
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
570
99
暂无描述
Dockerfile
709
4.51 K
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++
958
955
🎉 (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
1.61 K
942
Ascend Extension for PyTorch
Python
572
694
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
413
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.42 K
116
暂无简介
Dart
952
235
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
2