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 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
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
649
796
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
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
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
1.24 K
153
deepin linux kernel
C
30
16
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
146
237
暂无简介
Dart
985
253
昇腾LLM分布式训练框架
Python
167
200
🎉 (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
1.68 K
990