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 00:26:21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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
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 Visual Studio 2015企业版中文版下载安装完全指南 - 专业开发工具必备资源 操作系统概念第六版PDF资源全面指南:适用场景与使用教程 开源电子设计自动化利器:KiCad EDA全方位使用指南 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 CVE-2024-38077伪代码修复版EXP资源详解:Windows远程桌面授权服务问题利用指南 高效汇编代码注入器:跨平台x86/x64架构的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 小米Mini R1C MT7620爱快固件下载指南:解锁企业级网络管理功能 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
301
2.65 K
Ascend Extension for PyTorch
Python
130
152
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
457
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++
610
196
React Native鸿蒙化仓库
JavaScript
230
307
暂无简介
Dart
593
129
🎉 (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
1.05 K
613
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,专门为Transformer模型的训练和推理而设计。
C++
48
77
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
360
2.42 K
openGauss kernel ~ openGauss is an open source relational database management system
C++
155
205