python开发api

① 对于开发恒生交易API的python封装有什么建议

因为一些不可抗力的原因，前一段时间开发的LTS API的Python封装暂时用不上，目前证券API这边剩下相对靠谱的选择只剩恒生了，同样是准备基于C++版本的API开发Python封装。现在的一个问题是，恒生的API风格上和国内大多数其他API非常不同，他的请求操作和数据推送需要用户自己发送和接收数据包并进行解析（类CTP的API会直接帮你处理好，用户只需传入结构体指针）。题主面临两个选择：直接对恒生API进行封装，提供数据包操作的Python接口。对恒生API进行类CTP封装后，再封装为Python接口，好处是可以和之前类CTP的API通用，缺点可能会损失部分恒生API独有的功能。这个API最后同样会整合到题主的vn.py框架中，这样对于很多大型券商（中信、海通、招商等等），用户也会多一个可以用Python进行量化开发的选择。恒生的接口应用应该是最普遍的，但是用恒生接口一般都需要券商给认证文件才能使用，大多数人应该都参与不了这个项目。可以参考quantbox和wind，先在框架上统一。最好先把ctp期货和证券做出来，毕竟兴业也在用，lts也是类ctp的。恒生的接口应用应该是最普遍的，但是用恒生接口一般都需要券商给认证文件才能使用，大多数人应该都参与不了这个项目。能做到封装后python API和现有vn.py已存在的lts和ctp的接口兼容，那就极好

② 如何使用Ansible 2的API做python开发

Ansible 和 SaltStack 都提供了 Python 直接调用的API, 这方便了 Pythoner 对这些软件进行二次开发和整合, 此功能着实方便了不少, 比起 Python 代码中调用 shell 也略显专业!
然而 Ansible 在2.0版本后重构了大部分的代码逻辑, 启用了2.0版本之前的 Runner 和 Playbook 类, 使得广大同学之前的代码运行错误. 择日不如撞日, 今天中午对照 官方的文档 , 结合源代码, 对2.0版本之后的 Python API 做了下探究
Adhoc
adhoc 其实就是执行 Ansible 模块, 通过 adhoc 我们可以方便快捷的完成一些临时的运维操作.
2.0 之前的调用
import ansible.runner
import json
runner = ansible.runner.Runner(
mole_name='ping', # 模块名
mole_args='', # 模块参数
pattern='all', # 目标机器的pattern
forks=10
)
datastructure = runner.run()
data = json.mps(datastructure,indent=4)

当然这里会去加载默认的 inventory
如果不想使用 inventory 文件或者想使用动态的 inventory, 则可以使用 host_list 参数代替
import ansible.runner
import json
runner = ansible.runner.Runner(
host_list=["10.10.0.1"], # 这里如果明确指定主机需要传递一个列表, 或者指定动态inventory脚本
mole_name='ping', # 模块名
mole_args='', # 模块参数
extra_vars={"ansible_ssh_user":"root","ansible_ssh_pass":"xx"},
forks=10
)
datastructure = runner.run()
data = json.mps(datastructure,indent=4)

2.0 之后的调用
import json
from ansible.parsing.dataloader import DataLoader
from ansible.vars import VariableManager
from ansible.inventory import Inventory
from ansible.playbook.play import Play
from ansible.executor.task_queue_manager import TaskQueueManager
from ansible.executor.playbook_executor import PlaybookExecutor

loader = DataLoader() # 用来加载解析yaml文件或JSON内容,并且支持vault的解密
variable_manager = VariableManager() # 管理变量的类,包括主机,组,扩展等变量,之前版本是在 inventory 中的
inventory = Inventory(loader=loader, variable_manager=variable_manager)
variable_manager.set_inventory(inventory) # 根据 inventory 加载对应变量

class Options(object):
'''
这是一个公共的类,因为ad-hoc和playbook都需要一个options参数
并且所需要拥有不同的属性,但是大部分属性都可以返回None或False
因此用这样的一个类来省去初始化大一堆的空值的属性
'''
def __init__(self):
self.connection = "local"
self.forks = 1
self.check = False

def __getattr__(self, name):
return None

options = Options()

def run_adhoc():
variable_manager.extra_vars={"ansible_ssh_user":"root" , "ansible_ssh_pass":"xxx"} # 增加外部变量
# 构建pb, 这里很有意思, 新版本运行ad-hoc或playbook都需要构建这样的pb, 只是最后调用play的类不一样
# :param name: 任务名,类似playbook中tasks中的name
# :param hosts: playbook中的hosts
# :param tasks: playbook中的tasks, 其实这就是playbook的语法, 因为tasks的值是个列表,因此可以写入多个task
play_source = {"name":"Ansible Ad-Hoc","hosts":"10.10.0.1","gather_facts":"no","tasks":[{"action":{"mole":"shell","args":"w"}}]}
play = Play().load(play_source, variable_manager=variable_manager, loader=loader)
tqm = None
try:
tqm = TaskQueueManager(
inventory=inventory,
variable_manager=variable_manager,
loader=loader,
options=options,
passwords=None,
stdout_callback='minimal',
run_tree=False,
)
result = tqm.run(play)
print result
finally:
if tqm is not None:
tqm.cleanup()

if __name__ == '__main__':
run_adhoc()

Playbook
playbook 则类似于 SaltStack 中的 state
2.0 之前的调用
from ansible import callbacks
from ansible import utils
from ansible.playbook import PlayBook

stats = callbacks.AggregateStats()
callback = callbacks.PlaybookCallbacks()
runner_callbacks = callbacks.PlaybookRunnerCallbacks(stats)
pb = ansible.playbook.PlayBook(
playbook="tasks.yml",
stats=stats,
callbacks=playbook_cb,
runner_callbacks=runner_cb,
check=True
)
pb.run()

2.0 之后的调用
import json
from ansible.parsing.dataloader import DataLoader
from ansible.vars import VariableManager
from ansible.inventory import Inventory
from ansible.playbook.play import Play
from ansible.executor.task_queue_manager import TaskQueueManager
from ansible.executor.playbook_executor import PlaybookExecutor

loader = DataLoader() # 用来加载解析yaml文件或JSON内容,并且支持vault的解密
variable_manager = VariableManager() # 管理变量的类,包括主机,组,扩展等变量,之前版本是在 inventory 中的
inventory = Inventory(loader=loader, variable_manager=variable_manager)
variable_manager.set_inventory(inventory) # 根据 inventory 加载对应变量

class Options(object):
'''
这是一个公共的类,因为ad-hoc和playbook都需要一个options参数
并且所需要拥有不同的属性,但是大部分属性都可以返回None或False
因此用这样的一个类来省去初始化大一堆的空值的属性
'''
def __init__(self):
self.connection = "local"
self.forks = 1
self.check = False

def __getattr__(self, name):
return None

options = Options()

def run_playbook():
playbooks=['task.yaml'] # 这里是一个列表, 因此可以运行多个playbook
variable_manager.extra_vars={"ansible_ssh_user":"root" , "ansible_ssh_pass":"xxx"} # 增加外部变量
pb = PlaybookExecutor(playbooks=playbooks, inventory=inventory, variable_manager=variable_manager, loader=loader, options=options, passwords=None)
result = pb.run()
print result

if __name__ == '__main__':
run_playbook()

③ python基础教程

python基础教程：

阶段一：Python开发基础：Python全栈开发与人工智能之Python开发基础知识学习内容包括：Python基础语法、数据类型、字符编码、文件操作、函数、装饰器、迭代器、内置方法、常用模块等。

阶段二：Python高级编程和数据库开发：Python全栈开发与人工智能之Python高级编程和数据库开发知识学习内容包括：面向对象开发、Socket网络编程、线程、进程、队列、IO多路模型、Mysql数据库开发等。

阶段三：前端开发：Python全栈开发与人工智能之前端开发知识学习内容包括：Html、CSS、JavaScript开发、Jquery&bootstrap开发、前端框架VUE开发等。

阶段四：WEB框架开发：Python全栈开发与人工智能之WEB框架开发学习内容包括：Django框架基础、Django框架进阶、BBS+Blog实战项目开发、缓存和队列中间件、Flask框架学习、Tornado框架学习、Restful API等。

阶段五：爬虫开发：Python全栈开发与人工智能之爬虫开发学习内容包括：爬虫开发实战。

阶段六：全栈项目实战：Python全栈开发与人工智能之全栈项目实战学习内容包括：企业应用工具学习、CRM客户关系管理系统开发、路飞学城在线教育平台开发等。

阶段七：数据分析：Python全栈开发与人工智能之数据分析学习内容包括：金融量化分析。

阶段八：人工智能：Python全栈开发与人工智能之人工智能学习内容包括：机器学习、图形识别、无人机开发、无人驾驶等。

④ 如何用python 快速做出一个api服务

python 轻量级的框架flask
可以让你在两分钟内，搭建出一个简单的
api接口服务
轻量级不代表功能简单，容易上手
它的优势是，模块化，易扩展，定制性强
比如：一个最简单api接口2 分钟搞定
加入你需要加入登录验证功能
加入页面跳转功能呢
如果想要渲染加载前段页面呢
flask框里有你意想不到的插件，让你完成最够强大
的功能，怎么样，赶紧来试试吧

⑤ python后端开发需要学什么

第一阶段：Python语言基础

主要学习Python最基础知识，如Python3、数据类型、字符串、函数、类、文件操作等。阶段课程结束后，学员需要完成Pygame实战飞机大战、2048等项目。

第二阶段：Python语言高级

主要学习Python库、正则表达式、进程线程、爬虫、遍历以及MySQL数据库。

第三阶段：Pythonweb开发

主要学习HTML、CSS、JavaScript、jQuery等前端知识，掌握python三大后端框架(Django、 Flask以及Tornado)。需要完成网页界面设计实战;能独立开发网站。

第四阶段：Linux基础

主要学习Linux相关的各种命令，如文件处理命令、压缩解压命令、权限管理以及Linux Shell开发等。

第五阶段：Linux运维自动化开发

主要学习Python开发Linux运维、Linux运维报警工具开发、Linux运维报警安全审计开发、Linux业务质量报表工具开发、Kali安全检测工具检测以及Kali 密码破解实战。

第六阶段：Python爬虫

主要学习python爬虫技术，掌握多线程爬虫技术，分布式爬虫技术。

第七阶段：Python数据分析和大数据

主要学习numpy数据处理、pandas数据分析、matplotlib数据可视化、scipy数据统计分析以及python 金融数据分析;Hadoop HDFS、python Hadoop MapRece、python Spark core、python Spark SQL以及python Spark MLlib。

第八阶段：Python机器学习

主要学习KNN算法、线性回归、逻辑斯蒂回归算法、决策树算法、朴素贝叶斯算法、支持向量机以及聚类k-means算法。

关于python后端开发需要学什么的内容，青藤小编就和您分享到这里了。如果您对python编程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于python编程的技巧及素材等内容，可以点击本站的其他文章进行学习。

⑥ 如何使用Ansible 2的API做python开发

在ansible1.9的时候，API是一个非常简单的东西。官方说“it's pretty simple”，真是又pretty又simple。

import ansible.runner

runner = ansible.runner.Runner(
mole_name='ping',
mole_args='',
pattern='web*',
forks=10
)
datastructure = runner.run()

到了ansible2.0以后，是“a bit more complicated”，Oh my，简直让人难受。

简洁和灵活是鱼和熊掌。

ansible2.0 API怎么用？

ansible2.0更贴近于ansible cli的常用命令执行方式，不同于上一版本只能发送单个命令或playbook；而更推荐用户在调用ansibleAPI的时候，将playbook的每个task拆分出来，获取每个task的结果。能够跟灵活处理在执行批量作业过程中的各种反馈。

将执行操作的队列模型，包含各类环境参数设置，归结到“ansible.executor.task_queue_manager”类中

将执行过程中的各个task的设置，或者说playbook中的编排内容，归结到“ansible.playbook.play”中

上述两个东西，几乎囊括了可以在执行过程中设置的所有参数，足够灵活，也让人抓狂，相当于需要自己写一个1.9版本中的runner。
他们的确也都是原生类，并非专用于外部调用。

ansible.executor.task_queue_manager

这是ansible的一个内部模块（ansible/executor/task_queue_manager.py）。初始化的源码如下：

class TaskQueueManager:

'''
This class handles the multiprocessing requirements of Ansible by
creating a pool of worker forks, a result handler fork, and a
manager object with shared datastructures/queues for coordinating
work between all processes.

The queue manager is responsible for loading the play strategy plugin,
which dispatches the Play's tasks to hosts.
'''

def __init__(self, inventory, variable_manager, loader, options, passwords, stdout_callback=None, run_additional_callbacks=True, run_tree=False):

self._inventory = inventory
self._variable_manager = variable_manager
self._loader = loader
self._options = options
self._stats = AggregateStats()
self.passwords = passwords
self._stdout_callback = stdout_callback
self._run_additional_callbacks = run_additional_callbacks
self._run_tree = run_tree

self._callbacks_loaded = False
self._callback_plugins = []
self._start_at_done = False
self._result_prc = None

……

创建时，需要的主要参数包括：

inventory --> 由ansible.inventory模块创建，用于导入inventory文件

variable_manager --> 由ansible.vars模块创建，用于存储各类变量信息

loader --> 由ansible.parsing.dataloader模块创建，用于数据解析

options --> 存放各类配置信息的数据字典

passwords --> 登录密码，可设置加密信息

stdout_callback --> 回调函数

ansible.playbook.play

ansible.playbook是一个原生模块，既用于CLI也用于API。从源码可以看出来：

try:
from __main__ import display
except ImportError:
from ansible.utils.display import Display
display = Display()

ansible.playbook.play（ansible/playbook/play.py）。初始化源码的介绍如下：

__all__ = ['Play']

class Play(Base, Taggable, Become):

"""
A play is a language feature that represents a list of roles and/or
task/handler blocks to execute on a given set of hosts.

Usage:

Play.load(datastructure) -> Play
Play.something(...)
"""

最后，用task_queue_manager(play)来执行，老规矩，源码的官方解释。

def run(self, play):
'''
Iterates over the roles/tasks in a play, using the given (or default)
strategy for queueing tasks. The default is the linear strategy, which
operates like classic Ansible by keeping all hosts in lock-step with
a given task (meaning no hosts move on to the next task until all hosts
are done with the current task).
'''

一个完整的例子

# -*- coding:utf-8 -*-
# !/usr/bin/env python
#
# Author: Shawn.T
# Email: [email protected]
#
# this is the Interface package of Ansible2 API
#

from collections import namedtuple
from ansible.parsing.dataloader import DataLoader
from ansible.vars import VariableManager
from ansible.inventory import Inventory
from ansible.playbook.play import Play
from ansible.executor.task_queue_manager import TaskQueueManager
from tempfile import NamedTemporaryFile
import os

class AnsibleTask(object):
def __init__(self, targetHost):
Options = namedtuple(
'Options', [
'listtags', 'listtasks', 'listhosts', 'syntax', 'connection','mole_path',
'forks', 'remote_user', 'private_key_file', 'ssh_common_args', 'ssh_extra_args',
'sftp_extra_args', 'scp_extra_args', 'become', 'become_method', 'become_user',
'verbosity', 'check'
]
)

# initialize needed objects
self.variable_manager = VariableManager()

self.options = Options(
listtags=False, listtasks=False, listhosts=False, syntax=False, connection='smart',
mole_path='/usr/lib/python2.7/site-packages/ansible/moles', forks=100,
remote_user='root', private_key_file=None, ssh_common_args=None, ssh_extra_args=None,
sftp_extra_args=None, scp_extra_args=None, become=False, become_method=None, become_user='root',
verbosity=None, check=False
)
self.passwords = dict(vault_pass='secret')
self.loader = DataLoader()

# create inventory and pass to var manager
self.hostsFile = NamedTemporaryFile(delete=False)
self.hostsFile.write(targetHost)
self.hostsFile.close()
self.inventory = Inventory(loader=self.loader, variable_manager=self.variable_manager, host_list=self.hostsFile.name)
self.variable_manager.set_inventory(self.inventory)

def ansiblePlay(self, action):
# create play with tasks
args = "ls /"
play_source = dict(
name = "Ansible Play",
hosts = 'all',
gather_facts = 'no',
tasks = [
dict(action=dict(mole='shell', args=args), register='shell_out'),
dict(action=dict(mole='debug', args=dict(msg='{{shell_out.stdout}}')))
]
)
play = Play().load(play_source, variable_manager=self.variable_manager, loader=self.loader)

# run it
tqm = None
try:
tqm = TaskQueueManager(
inventory=self.inventory,
variable_manager=self.variable_manager,
loader=self.loader,
options=self.options,
passwords=self.passwords,
stdout_callback='default',
)
result = tqm.run(play)
finally:
# print result
if tqm is not None:
tqm.cleanup()
os.remove(self.hostsFile.name)
self.inventory.clear_pattern_cache()
return result

写一个ansibleTask类，创建了上述的各类必要的配置信息对象，最后使用ansibleTask.ansiblePlay()函数执行。

inventory文件的动态生成

写上面的代码的过程中，碰到一个问题：inventory对象创建时需要一个实体的hosts文件，而文件需要动态生成。
生成的方法参考了这篇牛逼闪闪的文章。使用tempfile.NamedTemporaryFile这个方法来创建一个有名称的临时文件，可以选择关闭后删除或保留。上面的处理办法是：不删除，在执行完毕之后，通过os.remove(self.hostsFile.name)进行删除。

ps.经YiChenWang指出，inventory的创建参数host_list可以使列表。使用以下方式创建inventory也是可以的：

self.inventory = Inventory(loader=self.loader, variable_manager=self.variable_manager, host_list=['xx.xx.xx.xx', 'xx.xx.xx.xx'])

不过，源码中指出，采用list格式参数是无法加载inventory data的。如果需要加载，还是得使用临时文件的办法。

⑦ Telegram-API开发使用系列教程Python(前言)

       Telegram是什么？接触的人可能知道，没接触的人肯定不知道（废话，呵呵），它是一个俄罗斯人开发的，为了防止被监视，就想开发一个完全加密的即时通讯软件，有着想法他就做了，而且还做的不错。因为这个软件可以规避别人的监视，尤其是某些政府的，所以在某些特需的人那里非常流行，据说中东kb分子就是使用这个交流的。

        但是当时这个毕竟是小众使用，根本无法推广出去，不过开发的人可能也没有想着推广，毕竟使用的人多了，树大招风，可能会带来许多不便。不过事与愿违，因为前几年加密货币非常火，全球各个政府对于这个新兴的事物无从下手，因为加密货币本质属性就是抗政府的（去中心化），所以最后索性大部分政府把加密货币给禁掉了，在这期间，由于Telegram与加密货币具有相同的属性，都是去中心化和强加密的，所以一拍即合，Telegram借着加密货币的东风，为大众所知晓。现在不单单是在加密货币市场被广泛使用，在其他一些隐蔽的场景也被使用，这里就不多说了。

        Telegram已经发展了七八年了，到现在功能已经是非常强大了，它是去中心化的，你甚至可以搭建自己Telegram服务器，它是强加密的，别人不会监听到你消息，它还有强大的机器人BOT机制，它可以定制开发，可以按照自己的意图完成一些重复的功能，这依托于它具有健全的API功能。

        现在Telegram是被墙的，如果要使用，请自行架梯子。

        Telegram官方Python版本，叫Telethon，API文档地址是： API官方地址 ，还有一个Telegram-API的项目，也是Python版本的，叫Pyrogram，其API文档地址为： Pyrogram文档地址 ，我使用了一段时间Pyrogram，可能是个人习惯的原因，用不惯Pyrogram，所有又换回Telethon。

        下一篇我们就开始一起学习官方版的Telethon。

⑧ 使用推特开发者api获取推文【Python – Status object in Tweepy】

Twitter 是一个流行的社交网络，用户在其中分享称为推文的消息。 Twitter 允许我们使用 Twitter API 或 Tweepy 挖掘任何用户的数据。获取用户发布的推文，首先要做的是从twitter developer那里获得consumer key, consumer secret, access key and access secret。这些密钥将帮助 API 进行身份验证。

Status

status对象是tweepy库返回的推文对象

这里罗列一下status中常用的属性：

例如这个推文的信息：

得到的结果为：

⑨ 如何使用python 开发一个api

使用 Python 和 Flask 设计 RESTful API

近些年来 REST (REpresentational State Transfer) 已经变成了 web services 和 web APIs 的标配。

在本文中我将向你展示如何简单地使用 Python 和 Flask 框架来创建一个 RESTful 的 web service。

什么是 REST？

六条设计规范定义了一个 REST 系统的特点:

• 客户端-服务器: 客户端和服务器之间隔离，服务器提供服务，客户端进行消费。

• 无状态: 从客户端到服务器的每个请求都必须包含理解请求所必需的信息。换句话说， 服务器不会存储客户端上一次请求的信息用来给下一次使用。

• 可缓存: 服务器必须明示客户端请求能否缓存。

• 分层系统: 客户端和服务器之间的通信应该以一种标准的方式，就是中间层代替服务器做出响应的时候，客户端不需要做任何变动。

• 统一的接口: 服务器和客户端的通信方法必须是统一的。

• 按需编码: 服务器可以提供可执行代码或脚本，为客户端在它们的环境中执行。这个约束是唯一一个是可选的。

什么是一个 RESTful 的 web service？

REST 架构的最初目的是适应万维网的 HTTP 协议。

RESTful web services 概念的核心就是“资源”。 资源可以用URI来表示。客户端使用 HTTP 协议定义的方法来发送请求到这些 URIs，当然可能会导致这些被访问的”资源“状态的改变。

HTTP 标准的方法有如下:

• ========== ===================== ==================================


• HTTP 方法 行为 示例


• ========== ===================== ==================================


• GET 获取资源的信息 http://example.com/api/orders


• GET 获取某个特定资源的信息 http://example.com/api/orders/123


• POST 创建新资源 http://example.com/api/orders


• PUT 更新资源 http://example.com/api/orders/123


• DELETE 删除资源 http://example.com/api/orders/123


• ========== ====================== ==================================



REST 设计不需要特定的数据格式。在请求中数据可以以JSON形式, 或者有时候作为 url 中查询参数项。

设计一个简单的 web service

坚持 REST 的准则设计一个 web service 或者 API 的任务就变成一个标识资源被展示出来以及它们是怎样受不同的请求方法影响的练习。

比如说，我们要编写一个待办事项应用程序而且我们想要为它设计一个 web service。要做的第一件事情就是决定用什么样的根 URL 来访问该服务。例如，我们可以通过这个来访问:

http://[hostname]/todo/api/v1.0/

在这里我已经决定在 URL 中包含应用的名称以及 API 的版本号。在 URL 中包含应用名称有助于提供一个命名空间以便区分同一系统上的其它服务。在 URL 中包含版本号能够帮助以后的更新，如果新版本中存在新的和潜在不兼容的功能，可以不影响依赖于较旧的功能的应用程序。

下一步骤就是选择将由该服务暴露(展示)的资源。这是一个十分简单地应用，我们只有任务，因此在我们待办事项中唯一的资源就是任务。

我们的任务资源将要使用 HTTP 方法如下:

• ========== =============================================== =============================


• HTTP 方法 URL 动作


• ========== =============================================== ==============================


• GET http://[hostname]/todo/api/v1.0/tasks 检索任务列表


• GET http://[hostname]/todo/api/v1.0/tasks/[task_id] 检索某个任务


• POST http://[hostname]/todo/api/v1.0/tasks 创建新任务


• PUT http://[hostname]/todo/api/v1.0/tasks/[task_id] 更新任务


• DELETE http://[hostname]/todo/api/v1.0/tasks/[task_id] 删除任务


• ========== ================================================ =============================



我们定义的任务有如下一些属性:

• id: 任务的唯一标识符。数字类型。

• title: 简短的任务描述。字符串类型。

• description: 具体的任务描述。文本类型。

• done: 任务完成的状态。布尔值。

目前为止关于我们的 web service 的设计基本完成。剩下的事情就是实现它！

Flask 框架的简介

如果你读过Flask Mega-Tutorial 系列，就会知道 Flask 是一个简单却十分强大的 Python web 框架。

在我们深入研究 web services 的细节之前，让我们回顾一下一个普通的 Flask Web 应用程序的结构。

我会首先假设你知道 Python 在你的平台上工作的基本知识。 我将讲解的例子是工作在一个类 Unix 操作系统。简而言之，这意味着它们能工作在 Linux，Mac OS X 和 Windows(如果你使用Cygwin)。 如果你使用 Windows 上原生的 Python 版本的话，命令会有所不同。

让我们开始在一个虚拟环境上安装 Flask。如果你的系统上没有 virtualenv，你可以从https://pypi.python.org/pypi/virtualenv上下载:

• $ mkdir todo-api


• $ cd todo-api


• $ virtualenv flask


• New python executable in flask/bin/python


• Installing setuptools............................done.


• Installing pip...................done.


• $ flask/bin/pip install flask



既然已经安装了 Flask，现在开始创建一个简单地网页应用，我们把它放在一个叫 app.py 的文件中:

• #!flask/bin/pythonfrom flask import Flaskapp = Flask(__name__)@app.route('/')def index():


• return "Hello, World!"if __name__ == '__main__':


• app.run(debug=True)



为了运行这个程序我们必须执行 app.py:

• $ chmod a+x app.py


• $ ./app.py


• * Running on http://127.0.0.1:5000/


• * Restarting with reloader



现在你可以启动你的网页浏览器，输入http://localhost:5000看看这个小应用程序的效果。

简单吧？现在我们将这个应用程序转换成我们的 RESTful service！

使用 Python 和 Flask 实现 RESTful services

使用 Flask 构建 web services 是十分简单地，比我在Mega-Tutorial中构建的完整的服务端的应用程序要简单地多。

在 Flask 中有许多扩展来帮助我们构建 RESTful services，但是在我看来这个任务十分简单，没有必要使用 Flask 扩展。

我们 web service 的客户端需要添加、删除以及修改任务的服务，因此显然我们需要一种方式来存储任务。最直接的方式就是建立一个小型的数据库，但是数据库并不是本文的主体。学习在 Flask 中使用合适的数据库，我强烈建议阅读Mega-Tutorial。

这里我们直接把任务列表存储在内存中，因此这些任务列表只会在 web 服务器运行中工作，在结束的时候就失效。 这种方式只是适用我们自己开发的 web 服务器，不适用于生产环境的 web 服务器， 这种情况一个合适的数据库的搭建是必须的。

我们现在来实现 web service 的第一个入口:

• #!flask/bin/pythonfrom flask import Flask, jsonifyapp = Flask(__name__)tasks = [


• {


• 'id': 1,


• 'title': u'Buy groceries',


• 'description': u'Milk, Cheese, Pizza, Fruit, Tylenol',


• 'done': False


• },


• {


• 'id': 2,


• 'title': u'Learn Python',


• 'description': u'Need to find a good Python tutorial on the web',


• 'done': False


• }]@app.route('/todo/api/v1.0/tasks', methods=['GET'])def get_tasks():


• return jsonify({'tasks': tasks})if __name__ == '__main__':


• app.run(debug=True)



正如你所见，没有多大的变化。我们创建一个任务的内存数据库，这里无非就是一个字典和数组。数组中的每一个元素都具有上述定义的任务的属性。

取代了首页，我们现在拥有一个 get_tasks 的函数，访问的 URI 为 /todo/api/v1.0/tasks，并且只允许 GET 的 HTTP 方法。

这个函数的响应不是文本，我们使用 JSON 数据格式来响应，Flask 的 jsonify 函数从我们的数据结构中生成。

使用网页浏览器来测试我们的 web service 不是一个最好的注意，因为网页浏览器上不能轻易地模拟所有的 HTTP 请求的方法。相反，我们会使用 curl。如果你还没有安装 curl 的话，请立即安装它。

通过执行 app.py，启动 web service。接着打开一个新的控制台窗口，运行以下命令:

• $ curl -i http://localhost:5000/todo/api/v1.0/tasks


• HTTP/1.0 200 OK


• Content-Type: application/json


• Content-Length: 294


• Server: Werkzeug/0.8.3 Python/2.7.3


• Date: Mon, 20 May 2013 04:53:53 GMT



• {


• "tasks": [


• {


• "description": "Milk, Cheese, Pizza, Fruit, Tylenol",


• "done": false,


• "id": 1,


• "title": "Buy groceries"


• },


• {


• "description": "Need to find a good Python tutorial on the web",


• "done": false,


• "id": 2,


• "title": "Learn Python"


• }


• ]


• }



我们已经成功地调用我们的 RESTful service 的一个函数！

现在我们开始编写 GET 方法请求我们的任务资源的第二个版本。这是一个用来返回单独一个任务的函数:

• from flask import [email protected]('/todo/api/v1.0/tasks/<int:task_id>', methods=['GET'])def get_task(task_id):


• task = filter(lambda t: t['id'] == task_id, tasks)


• if len(task) == 0:


• abort(404)


• return jsonify({'task': task[0]})



第二个函数有些意思。这里我们得到了 URL 中任务的 id，接着 Flask 把它转换成 函数中的 task_id 的参数。

我们用这个参数来搜索我们的任务数组。如果我们的数据库中不存在搜索的 id，我们将会返回一个类似 404 的错误，根据 HTTP 规范的意思是 “资源未找到”。

如果我们找到相应的任务，那么我们只需将它用 jsonify 打包成 JSON 格式并将其发送作为响应，就像我们以前那样处理整个任务集合。

调用 curl 请求的结果如下:

• $ curl -i http://localhost:5000/todo/api/v1.0/tasks/2


• HTTP/1.0 200 OK


• Content-Type: application/json


• Content-Length: 151


• Server: Werkzeug/0.8.3 Python/2.7.3


• Date: Mon, 20 May 2013 05:21:50 GMT



• {


• "task": {


• "description": "Need to find a good Python tutorial on the web",


• "done": false,


• "id": 2,


• "title": "Learn Python"


• }


• }


• $ curl -i http://localhost:5000/todo/api/v1.0/tasks/3


• HTTP/1.0 404 NOT FOUND


• Content-Type: text/html


• Content-Length: 238


• Server: Werkzeug/0.8.3 Python/2.7.3


• Date: Mon, 20 May 2013 05:21:52 GMT



• <!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 3.2 Final//EN">


• <title>404 Not Found</title>


• <h1>Not Found</h1>


• <p>The requested URL was not found on the server.</p><p>If you entered the URL manually please check your spelling and try again.</p>



当我们请求 id #2 的资源时候，我们获取到了，但是当我们请求 #3 的时候返回了 404 错误。有关错误奇怪的是返回的是 HTML 信息而不是 JSON，这是因为 Flask 按照默认方式生成 404 响应。由于这是一个 Web service 客户端希望我们总是以 JSON 格式回应，所以我们需要改善我们的 404 错误处理程序:

• from flask import [email protected](404)def not_found(error):


• return make_response(jsonify({'error': 'Not found'}), 404)



我们会得到一个友好的错误提示:

• $ curl -i http://localhost:5000/todo/api/v1.0/tasks/3


• HTTP/1.0 404 NOT FOUND


• Content-Type: application/json


• Content-Length: 26


• Server: Werkzeug/0.8.3 Python/2.7.3


• Date: Mon, 20 May 2013 05:36:54 GMT



• {


• "error": "Not found"


• }



接下来就是 POST 方法，我们用来在我们的任务数据库中插入一个新的任务:

• from flask import [email protected]('/todo/api/v1.0/tasks', methods=['POST'])def create_task():


• if not request.json or not 'title' in request.json:


• abort(400)


• task = {


• 'id': tasks[-1]['id'] + 1,


• 'title': request.json['title'],


• 'description': request.json.get('description', ""),


• 'done': False


• }


• tasks.append(task)


• return jsonify({'task': task}), 201



添加一个新的任务也是相当容易地。只有当请求以 JSON 格式形式，request.json 才会有请求的数据。如果没有数据，或者存在数据但是缺少 title 项，我们将会返回 400，这是表示请求无效。

接着我们会创建一个新的任务字典，使用最后一个任务的 id + 1 作为该任务的 id。我们允许 description 字段缺失，并且假设 done 字段设置成 False。

我们把新的任务添加到我们的任务数组中，并且把新添加的任务和状态 201 响应给客户端。

使用如下的 curl 命令来测试这个新的函数:

• $ curl -i -H "Content-Type: application/json" -X POST -d '{"title":"Read a book"}' http://localhost:5000/todo/api/v1.0/tasks


• HTTP/1.0 201 Created


• Content-Type: application/json


• Content-Length: 104


• Server: Werkzeug/0.8.3 Python/2.7.3


• Date: Mon, 20 May 2013 05:56:21 GMT



• {


• "task": {


• "description": "",


• "done": false,


• "id": 3,


• "title": "Read a book"


• }


• }



注意：如果你在 Windows 上并且运行 Cygwin 版本的 curl，上面的命令不会有任何问题。然而，如果你使用原生的 curl，命令会有些不同:

• curl -i -H "Content-Type: application/json" -X POST -d "{"""title""":"""Read a book"""}" http://localhost:5000/todo/api/v1.0/tasks



当然在完成这个请求后，我们可以得到任务的更新列表:

• $ curl -i http://localhost:5000/todo/api/v1.0/tasks


• HTTP/1.0 200 OK


• Content-Type: application/json


• Content-Length: 423


• Server: Werkzeug/0.8.3 Python/2.7.3


• Date: Mon, 20 May 2013 05:57:44 GMT



• {


• "tasks": [


• {


• "description": "Milk, Cheese, Pizza, Fruit, Tylenol",


• "done": false,


• "id": 1,


• "title": "Buy groceries"


• },


• {


• "description": "Need to find a good Python tutorial on the web",


• "done": false,


• "id": 2,


• "title": "Learn Python"


• },


• {


• "description": "",


• "done": false,


• "id": 3,


• "title": "Read a book"


• }


• ]


• }



剩下的两个函数如下所示:

• @app.route('/todo/api/v1.0/tasks/<int:task_id>', methods=['PUT'])def update_task(task_id):


• task = filter(lambda t: t['id'] == task_id, tasks)


• if len(task) == 0:


• abort(404)


• if not request.json:


• abort(400)


• if 'title' in request.json and type(request.json['title']) != unicode:


• abort(400)


• if 'description' in request.json and type(request.json['description']) is not unicode:


• abort(400)
•