FastHTML项目中的Cookie设置实践指南
2025-06-04 17:37:29作者:沈韬淼Beryl
FastHTML作为一个轻量级的Python Web框架,提供了简洁高效的方式来处理HTTP请求和响应。本文将重点介绍如何在FastHTML项目中优雅地设置和管理Cookie,帮助开发者快速掌握这一实用功能。
Cookie设置的基本原理
在Web开发中,Cookie是服务器发送到用户浏览器并保存在本地的一小块数据,它会在浏览器下次向同一服务器发起请求时被携带并发送到服务器上。FastHTML通过Starlette框架的底层支持,提供了便捷的Cookie操作接口。
传统Cookie设置方式
通常情况下,开发者需要直接操作Starlette的Request和Response对象来设置Cookie:
from starlette.responses import Response
@app.get("/")
async def home(request):
response = Response("Hello World")
response.set_cookie(key="my_cookie", value="cookie_value")
return response
这种方式虽然直接,但在FastHTML的声明式HTML构建风格中显得不够优雅。
FastHTML风格的Cookie设置
FastHTML提供了更符合其设计理念的Cookie设置方式,可以直接在返回的HTML元素元组中包含Cookie设置:
import fasthtml.common as fhc
import fasthtml.core as fhcore
@app.get("/")
def home():
return (
fhc.Title("我的页面"),
fhcore.cookie("user_token", "abc123", max_age=3600),
fhc.Div("欢迎访问我的网站")
)
这种方式的优势在于:
- 保持了FastHTML声明式的代码风格
- Cookie设置与页面内容定义融为一体
- 代码更加简洁易读
高级Cookie配置
fhcore.cookie方法支持多种参数来配置Cookie的行为:
fhcore.cookie(
key="session_id", # Cookie键名
value="xyz789", # Cookie值
max_age=86400, # 有效期(秒)
expires=datetime(2025,1,1),# 过期时间
path="/admin", # 有效路径
domain="example.com", # 有效域名
secure=True, # 仅HTTPS
httponly=True, # 仅HTTP访问
samesite="lax" # 同站策略
)
实际应用场景示例
用户偏好设置
@app.get("/set-theme/{theme}")
def set_theme(theme):
return (
fhcore.cookie("user_theme", theme, max_age=31536000), # 保存1年
fhc.Div(f"主题已设置为{theme}")
)
购物车功能
@app.post("/add-to-cart/{item_id}")
def add_to_cart(item_id):
cart_items = request.cookies.get("cart", "").split(",")
cart_items.append(item_id)
return (
fhcore.cookie("cart", ",".join(cart_items)),
fhc.Div("商品已添加到购物车")
)
最佳实践建议
- 对于敏感数据,务必设置
httponly和secure标志 - 合理设置Cookie的有效期,避免永久保存
- 考虑使用
SameSite属性增强安全性 - 避免在Cookie中存储大量数据(单个Cookie通常应小于4KB)
- 对于复杂数据,考虑使用session替代直接Cookie存储
通过FastHTML提供的简洁API,开发者可以轻松实现各种基于Cookie的功能,同时保持代码的整洁和可维护性。这种设计体现了FastHTML"简单但强大"的核心理念,让开发者能够专注于业务逻辑而非底层细节。
登录后查看全文
热门项目推荐
相关项目推荐
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
HunyuanVideo-1.5暂无简介00
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 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
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
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
479
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
375
3.24 K
Ascend Extension for PyTorch
Python
169
190
暂无简介
Dart
617
140
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
仓颉编译器源码及 cjdb 调试工具。
C++
126
855
仓颉编程语言测试用例。
Cangjie
36
852
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++
647
258