Hypermedia Systems项目:构建一个简单的Web 1.0风格联系人管理应用
2025-06-04 22:53:30作者:曹令琨Iris
在Hypermedia Systems项目中,我们将通过构建一个名为Contact.app的联系人管理应用,来探索超媒体驱动应用(HDA)的开发方式。这个应用将采用传统的Web 1.0风格,即多页面应用(MPA)架构,逐步展示如何利用超媒体技术构建功能完善的Web应用。
技术栈选择
为了演示Web 1.0应用的开发方式,我们需要选择一个服务器端技术栈。本项目采用以下组合:
- Python:作为编程语言,因其简洁易读的语法特性
- Flask:轻量级Web框架,专注于HTTP请求处理
- Jinja2:模板引擎,用于服务器端HTML渲染
这个技术栈的选择主要基于教学目的:Python易于理解,Flask不会引入过多抽象层,Jinja2模板语法直观明了。这种组合让我们能够专注于超媒体交换模式的核心概念。
应用基础架构
Flask路由基础
Flask应用的核心是路由机制。路由将URL路径映射到处理函数,使用Python装饰器语法声明:
@app.route("/")
def index():
return redirect("/contacts")
这个示例展示了:
- 使用
@app.route装饰器定义根路径"/"的处理 index()函数作为处理程序- 返回重定向到"/contacts"路径
联系人应用功能规划
Contact.app将实现典型的CRUD功能:
- 查看联系人列表(含搜索功能)
- 添加新联系人
- 查看联系人详情
- 编辑联系人信息
- 删除联系人
实现联系人列表与搜索
服务器端处理
联系人列表功能位于"/contacts"路径,处理函数需要同时支持显示全部联系人和搜索过滤:
@app.route("/contacts")
def contacts():
search = request.args.get("q")
if search:
contacts_set = Contact.search(search)
else:
contacts_set = Contact.all()
return render_template("index.html", contacts=contacts_set)
这段代码逻辑:
- 检查请求中是否存在搜索参数"q"
- 根据是否有搜索条件,调用不同的Contact模型方法
- 将结果集传递给模板渲染
模板设计
使用Jinja2模板引擎构建HTML界面,主要包含三个部分:
- 基础布局模板(layout.html):定义页面整体结构
- 搜索表单:GET请求提交搜索条件
- 联系人表格:展示联系人数据
搜索表单实现
<form action="/contacts" method="get" class="tool-bar">
<label for="search">Search Term</label>
<input id="search" type="search" name="q"
value="{{ request.args.get('q') or '' }}"/>
<input type="submit" value="Search"/>
</form>
关键点:
- 使用GET方法提交表单,搜索条件会出现在URL查询字符串中
- 输入框的值通过Jinja2表达式保持搜索状态
- 简单的提交按钮触发搜索
联系人表格实现
<table>
<thead>
<tr>
<th>First</th><th>Last</th><th>Phone</th><th>Email</th><th></th>
</tr>
</thead>
<tbody>
{% for contact in contacts %}
<tr>
<td>{{ contact.first }}</td>
<td>{{ contact.last }}</td>
<td>{{ contact.phone }}</td>
<td>{{ contact.email }}</td>
<td>
<a href="/contacts/{{ contact.id }}/edit">Edit</a>
<a href="/contacts/{{ contact.id }}">View</a>
</td>
</tr>
{% endfor %}
</tbody>
</table>
这个表格展示了:
- 表头定义各数据列
- 使用Jinja2的for循环遍历所有联系人
- 每行显示联系人的详细信息
- 操作列包含编辑和查看链接
设计理念与优势
这种传统的Web 1.0架构具有以下特点:
- 服务器端渲染(SSR):HTML在服务器生成后发送到客户端
- 统一资源定位:相同URL既显示资源列表也展示搜索结果
- 渐进式增强:基础功能不依赖JavaScript
- 超媒体驱动:通过链接和表单引导用户流
虽然现代Web开发中单页应用(SPA)更为流行,但这种传统方式在简单性、可访问性和SEO方面仍有明显优势。在后续开发中,我们将展示如何通过htmx等库为这种基础架构添加现代化交互特性,而无需转向复杂的JavaScript框架。
这个Contact.app示例展示了超媒体系统的基本构建模式,后续我们将逐步扩展其功能,同时保持简洁的架构和清晰的代码结构,使其成为学习超媒体驱动开发的优秀案例。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
407
3.14 K
Ascend Extension for PyTorch
Python
226
252
暂无简介
Dart
673
160
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++
664
319
🎉 (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
1.21 K
658
React Native鸿蒙化仓库
JavaScript
262
326
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
9
1
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868