Flask实现内部接口----pycharm安装及新建,location代表着文件路径,下面是Python的环境,Flask是由Python开发的框架,Python文件接口ython通过GET发送

本文涉及的产品
日志服务 SLS,月写入数据量 50GB 1个月
简介: Flask实现内部接口----pycharm安装及新建,location代表着文件路径,下面是Python的环境,Flask是由Python开发的框架,Python文件接口ython通过GET发送

Flask实现内部接口-pycharm安装及新建项目_哔哩哔哩_bilibili

使用Python Flask实现识别接口

第一步,先安装PyCharm

第二步,下载PyCharm

第三步,选择

第四步

第五步 打印一下Python文件,这里有一个main.py文件

def print_hi(name):
    print(f'Hi',{name})
 
if __name__ == '__main__':
    print_hi('PyCharm')

第六步 打开Pycharm,新建一个Python文件

第七步 叫lean_flask

import logging
from flask import Flask
 
def init_log():
    # 设置打印到控制台的格式和等级
    logging.basicConfig(format='%(asctime)s %(filename)s %(levelname)s %(message)s', datefmt='%a %d %b %Y %H:%M:%S',
                        level=logging.INFO)
    # 设置输出到的文件和编码
    file_handler = logging.FileHandler("ocr.log", encoding="utf-8")
    # 设置输出等级
    file_handler.setLevel(logging.INFO)
    # 设置输出到文件的日志格式
    file_handler.setFormatter(logging.Formatter('%(asctime)s %(filename)s %(levelname)s %(message)s'))
    logger = logging.getLogger()
    logger.handlers.append(file_handler)
 
app = Flask(__name__)
@app.route("/learn/hello")
def hello_world():
    return "Hello,world!"
 
if __name__ == '__main__':
    app.run(host='0.0.0.0',debug=True,port=8888)

第八步 用小写字母,有多个字母用下划线之间隔开,

第九步 import logging,引入日志模块

第十步 设置打印日志的函数和基础格式

第十一步 可以设置时间,文件名称,日志等级,日志内容,时间

第十二步 各个含义

第十三步 指定打印文件和编码

第十四步 解决乱码问题,用handler

第十五步 使用 flask之前先声明

pip install flask==3.0.0

第十六步添加路由

第十七步,debug代表着重启服务器,port代表着8888

第十八步 服务器成功启动了

import logging
 
import requests
from flask import Flask
 
def init_log():
    # 设置打印到控制台的格式和等级
    logging.basicConfig(format='%(asctime)s %(filename)s %(levelname)s %(message)s', datefmt='%a %d %b %Y %H:%M:%S',
                        level=logging.INFO)
    # 设置输出到的文件和编码
    file_handler = logging.FileHandler("ocr.log", encoding="utf-8")
    # 设置输出等级
    file_handler.setLevel(logging.INFO)
    # 设置输出到文件的日志格式
    file_handler.setFormatter(logging.Formatter('%(asctime)s %(filename)s %(levelname)s %(message)s'))
    logger = logging.getLogger()
    logger.handlers.append(file_handler)
 
init_log()
app = Flask(__name__)
@app.route("/learn/hello")
def hello_world():
    return "Hello,world!"
@app.route("/learn/path/<string:name>")
def lean_path(name):
    return name
@app.route("/learn/m-get",methods=["GET"])
def learn_get_method():
    age = requests.args.get("age")
    name = requests.args.get("name")
    logging.info("learn m-get age 是: %s ,name是: %s",age,name)
    return "SUCCESS",200
if __name__ == '__main__':
    app.run(host='0.0.0.0',debug=True,port=8888)
 

第十九步 利用POSTMAN可以对接口进行测试,打开他,点击send发送一下请求,可以检查接口:

第二十步 接口怎样写,可以看到HelloWorld了,已经返回成功了

第二十一步,默认是字符串类型

第二十二步,路径要以/开头

第二十四 这里先要用import 引入文件

第二十五 先用flask.request这个

第二十六步 通过args.get方法,我们可以获取到值

第二十七步给他写一个状态码

第二十八 调用函数

第二十九步 添加POSTMAN接口

第三十步,我们再调用另一个接口

第三十一步,这里我们发现已经调用成功了

第三十二步 日志的格式

第三十三步,通过POST方式来获取数据,通过JSON模块去实现一下

第三十四 通过JSON格式

第三十五

第三十六步 用loads方法,返回一下数据

第三十七步 发送一下请求

第三十八步 jsonify

第三十九步 up主写错了,这里要改成name

import json
import logging
 
import requests
from flask import Flask, request, jsonify
 
 
def init_log():
    # 设置打印到控制台的格式和等级
    logging.basicConfig(format='%(asctime)s %(filename)s %(levelname)s %(message)s', datefmt='%a %d %b %Y %H:%M:%S',
                        level=logging.INFO)
    # 设置输出到的文件和编码
    file_handler = logging.FileHandler("ocr.log", encoding="utf-8")
    # 设置输出等级
    file_handler.setLevel(logging.INFO)
    # 设置输出到文件的日志格式
    file_handler.setFormatter(logging.Formatter('%(asctime)s %(filename)s %(levelname)s %(message)s'))
    logger = logging.getLogger()
    logger.handlers.append(file_handler)
 
 
init_log()
 
app = Flask(__name__)
@app.route("/learn/hello")
def hello_world():
    return "Hello,world!"
@app.route("/learn/path/<string:name>")
def lean_path(name):
    return name
@app.route("/learn/m-get",methods=["GET"])
def learn_get_method():
    age = request.args.get("age")
    name = request.args.get("name")
    logging.info("learn m-get age 是: %s ,name是: %s",age,name)
    return "SUCCESS",200
@app.route("/learn/m-post",methods=["POST"])
def learn_post_method():
    data = request.data
    logging.info("learn post-m data : %s",data)
    data = json.loads(data)
    age = data["age"]
    name = data["name"]
    logging.info("learn post-m age:%s name:%s",age,name)
    return jsonify(data),200
if __name__ == '__main__':
    app.run(host='0.0.0.0',debug=True,port=8888)
 

第40步 最后得到数据


相关实践学习
日志服务之使用Nginx模式采集日志
本文介绍如何通过日志服务控制台创建Nginx模式的Logtail配置快速采集Nginx日志并进行多维度分析。
相关文章
|
4月前
|
C语言 Python
python 调用c接口
【10月更文挑战第12天】 ctypes是Python的一个外部库,提供和C语言兼容的数据类型,可以很方便地调用C DLL中的函数
75 0
|
23天前
|
API Python
【02】优雅草央央逆向技术篇之逆向接口协议篇-以小红书为例-python逆向小红书将用户名转换获得为uid-优雅草央千澈
【02】优雅草央央逆向技术篇之逆向接口协议篇-以小红书为例-python逆向小红书将用户名转换获得为uid-优雅草央千澈
|
28天前
|
安全 前端开发 数据库
Python 语言结合 Flask 框架来实现一个基础的代购商品管理、用户下单等功能的简易系统
这是一个使用 Python 和 Flask 框架实现的简易代购系统示例,涵盖商品管理、用户注册登录、订单创建及查看等功能。通过 SQLAlchemy 进行数据库操作,支持添加商品、展示详情、库存管理等。用户可注册登录并下单,系统会检查库存并记录订单。此代码仅为参考,实际应用需进一步完善,如增强安全性、集成支付接口、优化界面等。
|
2月前
|
数据采集 存储 XML
Python爬虫:深入探索1688关键词接口获取之道
在数字化经济中,数据尤其在电商领域的价值日益凸显。1688作为中国领先的B2B平台,其关键词接口对商家至关重要。本文介绍如何通过Python爬虫技术,合法合规地获取1688关键词接口,助力商家洞察市场趋势,优化营销策略。
|
3月前
|
SQL 监控 安全
Flask 框架防止 SQL 注入攻击的方法
通过综合运用以上多种措施,Flask 框架可以有效地降低 SQL 注入攻击的风险,保障应用的安全稳定运行。同时,持续的安全评估和改进也是确保应用长期安全的重要环节。
182 71
|
2月前
|
SQL 安全 Java
除了Flask框架,还有哪些框架能防止SQL注入攻击?
这些框架都在安全方面有着较好的表现,通过它们的内置机制和安全特性,可以有效地降低 SQL 注入攻击的风险。然而,无论使用哪个框架,开发者都需要具备良好的安全意识,正确配置和使用框架提供的安全功能,以确保应用的安全可靠。同时,持续关注安全更新和漏洞修复也是非常重要的。
119 60
|
3月前
|
搜索推荐 API 开发者
Django框架和Flask框架的适用场景分别是什么?
总体而言,Django 更适合需要全面功能和大规模开发的场景,而 Flask 则更适合灵活性要求高、小型项目或特定需求的开发。当然,具体的选择还应根据项目的具体情况、团队的技术能力和偏好等因素来综合考虑。在实际应用中,开发者可以根据项目的特点和需求,灵活选择使用这两个框架,或者结合它们的优势来构建更强大的 Web 应用程序。
149 64
|
3月前
|
安全 数据安全/隐私保护 开发者
Flask框架的安全性如何?
安全是一个持续的过程,需要不断地关注和更新。随着新的安全威胁的出现和技术的发展,开发者需要及时了解并采取相应的措施来应对,以确保 Flask 应用始终处于安全的状态。
174 63
|
3月前
|
开发者 数据库管理 Python
Django框架和Flask框架的区别
总体而言,Django 适合需要快速搭建大型应用的开发者,而 Flask 则更适合有特定需求和追求灵活性的开发者。
145 64
|
2月前
|
分布式计算 大数据 数据处理
技术评测:MaxCompute MaxFrame——阿里云自研分布式计算框架的Python编程接口
随着大数据和人工智能技术的发展,数据处理的需求日益增长。阿里云推出的MaxCompute MaxFrame(简称“MaxFrame”)是一个专为Python开发者设计的分布式计算框架,它不仅支持Python编程接口,还能直接利用MaxCompute的云原生大数据计算资源和服务。本文将通过一系列最佳实践测评,探讨MaxFrame在分布式Pandas处理以及大语言模型数据处理场景中的表现,并分析其在实际工作中的应用潜力。
93 2

热门文章

最新文章