Python AdminUI 开源项目教程
2025-05-21 03:26:00作者:凤尚柏Louis
1. 项目介绍
Python AdminUI 是一个基于 Flask/FastApi 的后端框架,它允许开发者使用 Python 快速构建 Web 界面,而无需编写 HTML、CSS 或 JS 代码。它适用于数据项目、工具和脚本、小型 IT 系统和管理系统等场景,特别适合那些不需要过多自定义样式或处理高流量性能的系统。
该项目结合了 Ant Design Pro 的前端组件,提供了一套完整的解决方案,包括表单、图表、数据表格和自适应移动设备的设计,使得开发者可以专注于业务逻辑而非界面设计。
2. 项目快速启动
首先,确保你已经安装了 Python 和 pip。以下是快速启动 Python AdminUI 的步骤:
# 安装 Python AdminUI
pip install adminui
# 创建一个简单的表单页面示例
from adminui import *
app = AdminApp()
def on_submit(form_data):
print(form_data)
@app.page('/', 'form')
def form_page():
return [
Form(on_submit=on_submit, content=[
TextField('标题', required_message="标题是必填项!"),
TextArea('描述'),
FormActions(content=[
SubmitButton('提交')
])
])
]
# 运行应用
if __name__ == '__main__':
app.run()
运行上述 Python 文件后,访问 http://127.0.0.1:5000/ 即可看到结果。
如果你想使用 FastApi,可以在创建 AdminApp 时设置 use_fastapi=True,并在命令行使用 uvicorn 运行应用。
3. 应用案例和最佳实践
表单处理
对于需要用户输入数据的场景,AdminUI 提供了表单组件,可以轻松创建和验证表单数据。
@app.page('/submit-form', 'form')
def submit_form_page():
def on_submit(form_data):
# 处理表单数据
pass
return [
Form(on_submit=on_submit, content=[
# 表单项
])
]
数据展示
数据表格是展示数据的好方法。AdminUI 支持分页和自定义列。
@app.page('/data-table', 'table')
def data_table_page():
# 数据源
data_source = [
{'name': '数据1', 'value': '值1'},
# 其他数据
]
return [
DataTable(data_source, columns=[
Column('name', '名称'),
Column('value', '值'),
])
]
图表应用
AdminUI 支持多种图表类型,如折线图、柱状图、饼图等。
@app.page('/charts', 'chart')
def charts_page():
# 图表数据
chart_data = {
'xData': ['类别1', '类别2'],
'yData': [120, 200],
}
return [
LineChart(chart_data)
]
4. 典型生态项目
AdminUI 作为一个开源项目,其生态系统还包括了一些典型的扩展和插件,例如:
- 数据库集成:与各种数据库系统(如 MySQL、SQLite、Excel 等)的无缝集成。
- 认证系统:基于 JWT 的认证和登录系统,带有一个简洁的登录页面。
- 移动适配:自动适配移动设备,无需额外编写代码。
通过以上教程,开发者可以快速上手 Python AdminUI,构建出满足各种需求的 Web 应用。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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-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
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
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
317
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
Ascend Extension for PyTorch
Python
157
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++
639
246
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
242
85
暂无简介
Dart
606
136
React Native鸿蒙化仓库
JavaScript
239
310
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
1.03 K
470
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
364
3.02 K