Sinatra 技术文档
2024-12-23 14:14:29作者:滑思眉Philip
1. 安装指南
要使用 Sinatra,首先需要安装 Sinatra gem。打开终端并执行以下命令:
gem install sinatra
此外,你可能还需要安装其他 gems,例如 Rackup 和 Puma:
gem install rackup
gem install puma
安装完成后,你可以创建一个名为 myapp.rb 的 Ruby 文件,并在其中编写你的 Sinatra 应用程序代码。
2. 项目的使用说明
以下是一个简单的 Sinatra 应用程序示例。将以下代码保存到 myapp.rb 文件中:
require 'sinatra'
get '/' do
'Hello world!'
end
然后,运行以下命令启动服务器:
ruby myapp.rb
打开浏览器并访问 http://localhost:4567,你应该会看到 "Hello world!" 的消息。
每次更改代码后,都需要重启服务器才能看到更改。
3. 项目API使用文档
以下是 Sinatra 的一些基本用法和 API:
路由 (Routes)
在 Sinatra 中,一个路由是一个 HTTP 方法,与方法匹配的 URL 模式。每个路由都关联一个代码块。
get '/' do
'Hello world!'
end
Sinatra 支持以下 HTTP 方法:
getpostputpatchdeleteoptionslinkunlink
路由参数
路由可以包括命名参数,通过 params 哈希访问:
get '/hello/:name' do
"Hello #{params['name']}!"
end
还可以通过代码块参数访问命名参数:
get '/hello/:name' do |n|
"Hello #{n}!"
end
查询参数
路由可以使用查询参数:
get '/posts' do
title = params['title']
author = params['author']
end
返回值
路由块的返回值决定了发送给 HTTP 客户端的响应体或至少是传递给下一个 Rack 中间件的响应。通常是字符串,但也可以是其他值:
- 一个包含三个元素的数组:
[状态码 (Integer), 头部 (Hash), 响应体 (响应 #each)] - 一个包含两个元素的数组:
[状态码 (Integer), 响应体 (响应 #each)] - 一个响应
#each并仅将字符串传递给给定块的对象 - 一个表示状态码的整数
4. 项目安装方式
Sinatra 的安装方式如前所述,通过安装相关 gems 并创建一个 Ruby 脚本来实现。以下是步骤:
-
安装 Sinatra gem:
gem install sinatra -
创建一个 Ruby 脚本,例如
myapp.rb,并编写 Sinatra 应用程序代码。 -
运行脚本以启动服务器:
ruby myapp.rb -
在浏览器中访问 http://localhost:4567 查看应用程序。
登录后查看全文
热门项目推荐
相关项目推荐
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
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
675
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
627
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++
947
886
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
398
302
🎉 (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
1.56 K
909
暂无简介
Dart
920
228
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381
昇腾LLM分布式训练框架
Python
142
169
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
133
212