1.关于flask的jsonify与json.dumps的一些追溯和思考
2.学生学Flask中超好用的扩展插件
3.科学家开发一款MD小白友好型模拟工具
4.使用Flask-Avatars在Flask项目里设置头像
5.Python Web | Flask使用Flask-SQLAlchemy对数据库操作详解一（配置、一对一、多对一、多对多关系）
6.Python Flask 开发，Flask 的 Swagger 神器 —— Flask-RESTX

关于flask的jsonify与json.dumps的一些追溯和思考

       有一天，我遇到了一个服务器报警问题，海南七星彩信用源码追踪错误栈时，发现是由于在使用 Flask 的 jsonify 函数时传入的字典中混入了 string 和 int 类型的键导致的。修改数据后，我开始思考这一设计背后的逻辑以及为何会如此设定。源码追溯路径指向 JSONDecoder、flask.json.__init__.py 及 _dump_arg_defaults。分析这部分源码，我发现项目使用的是继承自 Flask 的 JSONDecoder，稍作修改以兼容如 bson.ObjectId 和 datetime 等数据类型，其主体基于标准库中的 JSONEncoder。

       进一步深入 JSONEncoder 的源码，我发现 sort_keys 的使用在 JSONEncoder._iterencode_dict 中。此时，我开始思考是否可以修改为始终使用默认的 False，以确保 key 为纯字符串。然而，官方为何没有选择这一方案？我开始在 GitHub 上寻找答案，最终在 issue 中找到了线索。hmap源码解释在 Python 2 中确实如我所想，但在 Python 3 中，设计发生了改变。大佬们解释了背后的理由。

       深入思考后，我倾向于支持 Python 3 的设计选择。首先，明确数据处理逻辑（如是否排序）是至关重要的。这里，我认为 Flask 的默认设置为 False 是个错误，应该与标准库保持一致。其次，确保数据类型的一致性是动态语言的局限性之一，这也是我越来越偏爱 Go 的原因。

       从工作角度来看，我得出以下思考：永远不要依赖传入的数据，务必进行验证，尤其是在关键业务中。这不仅是对 Flask 设计的反思，也是对编程实践的提醒，强调了数据验证和明确数据处理逻辑的重要性。

学生学Flask中超好用的扩展插件

       Flask中超好用的5个扩展插件

1、Flask-Admin

       Django中有个杀手锏的网上展馆源码功能就是自带Admin面板，所有数据都可以通过Admin后台来操作Flask-Admin 就是一个功能和Django-Admin非常类似的库，有了它你再也不需要直接去数据库查数据改数据了。

       Github地址: /flask-admin/flask-admin

2、Flask-SQLAlchemy

       Flask-SQLAlchemy 直接在SQLAlchemy的基础上封装了一层，简化了配置以及SQLAlchemy库的导入路径

3、Flask-Migrat

       Flask-migrate 是一个SQLAlchemy 数据库升级迁移工具，基于Alembic实现，它提供了一系列命进行数据库升级撤回操作。

4、Flask-JWT-Extended

       前后端分离项目基本都是使用JWT来做用户认证这是一个用来实现JWT功能的扩展，提供了很多配置参数，非常灵活，直接在config中配置就可以，省去很多造轮子的麻烦。

5、Flask-Limiter

       Flask-Limiter 用于做接口频率限制的，它可以灵活基于不同资源来限制请求的次数，例如你可以对整个app做限制，页可以对某个blueprint限制，或者是对路由做限制，还支持自定义配置。

科学家开发一款MD小白友好型模拟工具

       来自微信公众号分子动力学的文章报道了一项新进展，即科学家们在巴西朗多尼亚州联邦大学的rocketmq源码解读生物信息与药化实验室Fernando Berton Zanchi团队开发了一款名为Visual Dynamics (VD) 的Web工具。这款工具旨在简化在GROMACS中的生物学模拟过程，使之更加用户友好。

       VD允许用户通过图形界面无须编程知识，提交自由形式或与配体结合的蛋白质模拟任务。模拟结束后，用户可下载包含图形分析和日志文件的资料。这款工具是基于Python的Flask框架开发的，其源代码可以在GitHub上免费获取，地址为：/LABIOQUIM/vi...

       自年分子动力学(MD)首次应用于生物学以来，随着计算能力的提升和编程技术的进步，MD在不断发展。尽管早期MD软件如GROMACS、AMBER和NAMD采用命令行界面(CLI)，但现在，Web界面被视为GUI的进化。然而，MD的执行方式依然主要依赖于命令行，这给非专业用户带来了挑战。

       Visual Dynamics的出现解决了这个问题，它提供了两种模拟选项：独立的生物分子（如载脂蛋白）和生物大分子与小配体的相互作用。用户可以上传PDB文件，选择力场等参数，甚至下载包含执行命令的诗词 网站 源码文本文件。对于在Web服务器上运行，只需点击“Execute”，整个过程将自动进行。

       模拟过程包括经典的准备、溶剂化等步骤，结果分析则通过Grace应用程序生成的图像，用户可以直观地查看。此外，VD支持在线下载日志文件和MDps文件，使得数据管理和分析更为便捷，即使是缺乏计算机技能的用户也能操作。这款工具的目标是降低MD应用的学习门槛，让研究者在无需担心技术细节的情况下，专注于数据分析。

使用Flask-Avatars在Flask项目里设置头像

       Flask-Avatars是Flask项目中常用的扩展之一，主要用来实现头像的设置。

       在大多数Web程序中，头像的设置都是必不可少的。根据项目的需求不同，有的项目可以选择使用Gravatar提供的头像服务，而有的项目则可能需要提供自定义头像设置。Flask-Avatars几乎满足了所有常见的头像需求。

       Flask-Avatars的GitHub主页为：github.com/greyli/flask...

       安装Flask-Avatars需要使用pip进行安装。与其它扩展类似，你需要实例化从flask_avatars导入的Avatars类，并传入app实例。如果你使用工厂函数创建程序实例，那么这里也可以不传入程序实例app，在工厂函数中对这个avatars对象调用init_app()方法时再传入app实例。

       Flask-Avatars内置了几个默认头像，可以用来作为用户注册后的初始头像，或是作为博客评论者的头像。在模板中调用avatars.default()即可获取URL。你可以通过size参数来设置尺寸，默认为m，其他可选值有l和s。

       在模板中调用avatars.gravatar()方法并传入Email散列值即可获取Gravatar的头像URL。Email散列值可以通过特定的方式获取。

       Robohash是一个生成随机机器人头像的服务。在模板中调用avatars.robohash()并传入随机文本作为参数即可获取Robohash的头像URL。

       Flask-Avatars通过Avatars.io提供了社交头像获取服务，支持Facebook、Twitter、Instagram和Gravatar。通过在模板中调用avatars.social_media()方法并传入用户名（username）即可获取对应的头像URL，通过size参数可以设置尺寸，可选值为small、medium和large。通过platform参数可以设置平台，默认为twitter，可选值为twitter、facebook、instagram和gravatar。

       Gravatar服务可能会有不稳定的情况，此时可以在本地为用户生成头像（identicon）。通过avatar.generate()可以创建三个尺寸的头像，并保存到指定的位置。你可以将这个文件名保存到数据库中，并创建一个视图函数来提供头像文件。

       Flask-Avatars基于Jcrop提供了头像裁剪功能。具体步骤可以参考文档中的相关部分。下面是示例程序中的裁剪页面。

       Flask-Avatars支持的配置列表如下所示。Flask-Avatars的Git仓库中包含三个实例程序，你可以通过特定的方式来运行实例程序。

Python Web | Flask使用Flask-SQLAlchemy对数据库操作详解一（配置、一对一、多对一、多对多关系）

       在Python Web开发中，Flask框架配合Flask-SQLAlchemy为我们提供了强大的数据库操作能力。本文将深入解析Flask-SQLAlchemy的配置、模型声明、以及一对一、多对一和多对多关系的处理方式。

       首先，通过简单的配置和模型声明，我们可以使用Base类创建表示数据库表的类。例如，User表有id、username和email字段，其中id为主键，其他字段为唯一且非空字符串。Flask-SQLAlchemy支持多种列类型，如定义为Integer或String。

       在关系处理方面，一对一关系如User和Address，定义为User.address = relationship(Address, uselist=False)表示每个User对应一个Address。多对一关系如Order和Customer，一个Order关联一个Customer，而Customer可以有多个Order，通过关系函数设置为Customer.orders。

       多对多关系如Book和Author，通过一个中间表来实现，例如，通过Book_Author表，每本书可以有多个作者，每个作者也可以写多本书。

       为了实践这些概念，这里有两个GitHub上的示例供你参考：[Flask+mysql简单问答网站](/QHCV/Flask_Book_Manage)。

       查阅更深入的资料，可以参考[flask数据库教程](/Y/flask-vue-word-cloud。

       项目动机来源于团队年终述职时使用词云展示工作成果，以及团队成员建议拓宽技术视野以促进个人成长的讨论。在接触过Python和R生成词云后，作为移动端开发者，作者想在本地搭建一个词云生成服务，于是开始了这个小项目。

       项目目录结构分为backend（Flask实现的服务器端）和frontend（Vue实现的客户端）。运行效果展示了一个简洁的词云生成应用。

       开发环境需求包括安装Node JS环境，详细信息可参考Node JS官网。

       前端部分开发流程包括：

       1. 安装vue-cli：Vue CLI是一个用于快速开发基于Vue.js的应用的完整系统。

       2. 创建项目：通过命令行创建目录并初始化项目，设置项目基本信息。

       3. 安装Element UI：Element UI是一个基于Vue的桌面端组件库。

       4. 安装axios：axios是一个基于Promise的HTTP客户端，用于前后端分离应用。

       5. 编写页面：修改App.vue，创建WordCloud.vue作为主要页面，实现点击事件并发送请求。

       后端部分开发流程包括：

       1. 安装Python3：使用Homebrew安装Python3。

       2. 创建虚拟环境：为Python项目提供独立运行环境。

       3. 安装flask：flask是Python的Web框架。

       4. 安装词云生成库wordcloud。

       5. 编写代码：参考The Flask Mega-Tutorial教程，实现应用功能。

       本文通过一步步的实践指导，展示了如何使用Flask和Vue构建一个词云生成网站，适合Web开发初学者学习。项目已开源，欢迎关注和实践。