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
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
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