1.Python - 一文入门Flask(Blueprint、解读解析SQLAlchemy部分）
2.Python Flask 开发，源源码Flask 的解读解析 Swagger 神器 —— Flask-RESTX
3.在flask中使用jsonify和json.dumps的区别

Python - 一文入门Flask(Blueprint、SQLAlchemy部分）

       本文将简要介绍如何入门Flask，源源码包括安装准备、解读解析路由实现、源源码源码生成界面Blueprint和SQLAlchemy的解读解析实践。首先，源源码从安装Flask和pipenv开始，解读解析然后逐步构建项目结构，源源码实现Web路由功能和数据库操作。解读解析

       在PyCharm的源源码iso 14229 源码环境配置部分，这里主要关注代码实现，解读解析而不是源源码环境设置。在项目实践中，解读解析Flask的核心是通过App初始化时绑定Blueprint实现路由。首先，创建一个入口文件，负责实例化App并初始化配置、控制器和数据库。

       启动文件中，需要进行判断逻辑的引入，这是mintui picker源码为了优化程序运行。Flask路由功能是通过蓝图实现的，需要在入口文件中注册蓝图。每个路由器可以使用装载器优化，如在api文件中的示例所示。

       完成路由后，我们转向数据库操作，Flask推荐使用SQLAlchemy处理。安装Flask-SQLAlchemy和PyMySQL，便于与MySQL数据库的交互。定义数据库操作的基类和公共方法，减少代码重复。称重控制源码

       在入口文件中，通过SQLALCHEMY_DATABASE_URI配置数据库连接，使用with关键字确保资源的正确管理和释放。在model模块中，定义模型、常量和数据库操作方法，这些在路由中会被使用。

       关于SQLAlchemy的Mysql编码和列类型，可能需要进行一些优化，包括默认值、索引设置和兼容不同列类型。sonar 源码审计Python源码提供了详细的设置指导，例如TinyINT类型和VARCHAR的使用。

       最后，自定义数据库名和字符集编码时，可以使用__tablename__和字符集设置。编程中，阅读源码注释和示例可以帮助更好地理解和学习。

Python Flask 开发，Flask 的 Swagger 神器 —— Flask-RESTX

       在构建Python Web应用时，Flask是一个轻量级的选择，它允许开发者以最小的投入快速搭建应用。而当涉及到构建RESTful API时，Flask-RESTX库提供了方便的方法来定义、编写和查看API文档。

       Flask-RESTX是Flask框架的扩展，集成Swagger，这是一个强大的API文档工具。Swagger规范和完整框架用于生成、描述、调用和可视化RESTfulWeb服务的API文档。

       安装Flask-RESTX很简单，通过pip命令即可完成。确保Flask已经在开发环境中安装，若未安装，使用相应命令进行安装。

       快速开始，创建简单Flask应用并引入Flask-RESTX。这里有个例子，实现一个简单的API，包含一个HelloWorld资源类，提供GET请求响应。使用@api.expect('name')装饰器指定期望参数。

       定义API文档时，使用装饰器和注解。文档自动出现在Swagger用户界面中。定义期望参数，使用api.expect装饰器。定义数据模型，使用api.model方法。模型可在API资源中使用。

       Flask-RESTX提供高级功能，例如异常处理、错误处理器等。通过Flask错误处理机制定义异常处理器，返回适当HTTP状态码和错误信息。

       Flask-RESTX的官方社区活跃在GitHub上，提供源代码和问题跟踪器。社区成员分享使用经验和最佳实践，解决遇到问题。

       总结，Flask-RESTX是Flask框架的强大扩展，集成Swagger提供丰富的API文档支持，易于设计、实现和维护RESTfulAPI。无论是初学者还是有经验的开发者，都能从Flask-RESTX的易用性和强大功能中受益。

       通过本文了解，已具备构建Flask应用的基础知识。实践是学习的最好方式，动手尝试，创建自己的Flask应用吧！

在flask中使用jsonify和json.dumps的区别

       1.Content-Type有区别

       jsonify的作用实际上就是将我们传入的json形式数据序列化成为json字符串，作为响应的body，并且设置响应的Content-Type为application/json，构造出响应返回至客户端。jsonify的部分源码如下：

       def jsonify(*args, **kwargs):

       if __debug__:

       _assert_have_json()

       return current_app.response_class(json.dumps(dict(*args, **kwargs),

       indent=None if request.is_xhr else 2), mimetype='application/json')

       å¯ä»¥çœ‹å‡ºjsonify实际上也是使用了json.dumps来序列化json形式的数据，作为响应正文返回。indent表示json格式化的缩进，若是Ajax请求则不缩进（因为一般Ajax数据没必要直接展示），否则缩进2格。但想必从第一部分的实验结果我们已经看出来了，使用jsonify时响应的Content-Type字段值为application/json，而使用json.dumps时该字段值为text/html。Content-Type决定了接收数据的一方如何看待数据，如何处理数据，如果是application/json，则可以直接当做json对象处理，若是text/html，则还要将文本对象转化为json对象再做处理（个人理解，有误请指正）。

       2.接受参数有区别

       jsonify可以接受和python中的dict构造器同样的参数，如下图。

       è€Œjson.dumps比jsonify可以多接受list类型和一些其他类型的参数。但我试了一下，形式为key1=value1，[key2=value2,...]这样的参数是不行的，会报出“TypeError: dumps() takes exactly 1 argument (0 given)”这一错误，而jsonify不会报错并能正常返回数据。

       æœ€åŽï¼Œæˆ‘们可以使用flask中的make_response方法或者直接通过Response类，通过设置mimetype参数来达到和使用jsonify差不多的效果，但少写点代码何乐而不为呢？况且简洁一点更不容易出错，参数越多调试和维护就越麻烦。当然，使用哪个并不是绝对的，必要时要根据前端的数据处理方式来决定。