Python与前端集成：构建全栈应用

优质文章学习记录

— 7 min read

Python与前端集成：构建全栈应用

前言

大家好，我是第一程序员（名字大，人很菜）。作为一个非科班转码、正在学习Rust和Python的萌新，最近我开始学习Python与前端技术的集成。说实话，一开始我对全栈开发的概念还很模糊，但随着学习的深入，我发现Python作为后端与前端框架的结合可以构建出功能强大的全栈应用。今天我想分享一下我对Python与前端集成的学习心得，希望能给同样是非科班转码的朋友们一些参考。

一、后端API设计

1.1 使用FastAPI创建RESTful API

FastAPI是一个现代化的Python Web框架，非常适合构建RESTful API：

from fastapi import FastAPI from pydantic import BaseModel from typing import List app = FastAPI() class Item(BaseModel): id: int name: str price: float is_offer: bool = None items = [] @app.get("/") def read_root(): return {"message": "Hello, World!"} @app.get("/items/{item_id}") def read_item(item_id: int): for item in items: if item.id == item_id: return item return {"error": "Item not found"} @app.post("/items/") def create_item(item: Item): items.append(item) return item @app.put("/items/{item_id}") def update_item(item_id: int, item: Item): for i, existing_item in enumerate(items): if existing_item.id == item_id: items[i] = item return item return {"error": "Item not found"} @app.delete("/items/{item_id}") def delete_item(item_id: int): for i, item in enumerate(items): if item.id == item_id: items.pop(i) return {"message": "Item deleted"} return {"error": "Item not found"}

1.2 使用Flask创建RESTful API

Flask是另一个流行的Python Web框架，也可以用于构建RESTful API：

from flask import Flask, request, jsonify app = Flask(__name__) items = [] @app.route('/', methods=['GET']) def read_root(): return jsonify({"message": "Hello, World!"}) @app.route('/items/<int:item_id>', methods=['GET']) def read_item(item_id): for item in items: if item['id'] == item_id: return jsonify(item) return jsonify({"error": "Item not found"}) @app.route('/items/', methods=['POST']) def create_item(): item = request.get_json() items.append(item) return jsonify(item) @app.route('/items/<int:item_id>', methods=['PUT']) def update_item(item_id): item = request.get_json() for i, existing_item in enumerate(items): if existing_item['id'] == item_id: items[i] = item return jsonify(item) return jsonify({"error": "Item not found"}) @app.route('/items/<int:item_id>', methods=['DELETE']) def delete_item(item_id): for i, item in enumerate(items): if item['id'] == item_id: items.pop(i) return jsonify({"message": "Item deleted"}) return jsonify({"error": "Item not found"}) if __name__ == '__main__': app.run(debug=True)

二、前端框架集成

2.1 与React集成

React是一个流行的前端框架，可以与Python后端API集成：

// App.js import React, { useState, useEffect } from 'react'; function App() { const [items, setItems] = useState([]); const [newItem, setNewItem] = useState({ id: '', name: '', price: '', is_offer: false }); useEffect(() => { fetch('http://localhost:8000/items/') .then(response => response.json()) .then(data => setItems(data)); }, []); const handleSubmit = (e) => { e.preventDefault(); fetch('http://localhost:8000/items/', { method: 'POST', headers: { 'Content-Type': 'application/json', }, body: JSON.stringify(newItem), }) .then(response => response.json()) .then(data => { setItems([...items, data]); setNewItem({ id: '', name: '', price: '', is_offer: false }); }); }; return ( <div> <h1>Items</h1> <ul> {items.map(item => ( <li key={item.id}> {item.name} - ${item.price} </li> ))} </ul> <form onSubmit={handleSubmit}> <input type="text" placeholder="ID" value={newItem.id} onChange={(e) => setNewItem({...newItem, id: parseInt(e.target.value)})} /> <input type="text" placeholder="Name" value={newItem.name} onChange={(e) => setNewItem({...newItem, name: e.target.value})} /> <input type="number" placeholder="Price" value={newItem.price} onChange={(e) => setNewItem({...newItem, price: parseFloat(e.target.value)})} /> <button type="submit">Add Item</button> </form> </div> ); } export default App;

2.2 与Vue集成

Vue是另一个流行的前端框架，也可以与Python后端API集成：

<!-- App.vue --> <template> <div> <h1>Items</h1> <ul> <li v-for="item in items" :key="item.id"> {{ item.name }} - ${{ item.price }} </li> </ul> <form @submit.prevent="handleSubmit"> <input type="text" placeholder="ID" v-model.number="newItem.id" /> <input type="text" placeholder="Name" v-model="newItem.name" /> <input type="number" placeholder="Price" v-model.number="newItem.price" /> <button type="submit">Add Item</button> </form> </div> </template> <script> export default { data() { return { items: [], newItem: { id: '', name: '', price: '', is_offer: false } }; }, mounted() { this.fetchItems(); }, methods: { fetchItems() { fetch('http://localhost:8000/items/') .then(response => response.json()) .then(data => { this.items = data; }); }, handleSubmit() { fetch('http://localhost:8000/items/', { method: 'POST', headers: { 'Content-Type': 'application/json', }, body: JSON.stringify(this.newItem), }) .then(response => response.json()) .then(data => { this.items.push(data); this.newItem = { id: '', name: '', price: '', is_offer: false }; }); } } }; </script>

三、数据传输

3.1 JSON数据格式

JSON是前后端数据传输的标准格式：

# 后端返回JSON数据 from fastapi import FastAPI from pydantic import BaseModel app = FastAPI() class Item(BaseModel): id: int name: str price: float @app.get("/item", response_model=Item) def get_item(): return {"id": 1, "name": "Item 1", "price": 10.99}

3.2 处理CORS

跨域资源共享（CORS）是前后端集成中常见的问题：

# FastAPI处理CORS from fastapi import FastAPI from fastapi.middleware.cors import CORSMiddleware app = FastAPI() # 配置CORS app.add_middleware( CORSMiddleware, allow_origins=["*"], # 在生产环境中应该设置具体的域名 allow_credentials=True, allow_methods=["*"], allow_headers=["*"], ) @app.get("/") def read_root(): return {"message": "Hello, World!"} 
# Flask处理CORS from flask import Flask, jsonify from flask_cors import CORS app = Flask(__name__) CORS(app) # 允许所有跨域请求 @app.route('/') def read_root(): return jsonify({"message": "Hello, World!"})

四、认证与授权

4.1 JWT认证

JSON Web Token（JWT）是一种常用的认证方式：

# FastAPI中使用JWT from fastapi import FastAPI, Depends, HTTPException, status from fastapi.security import OAuth2PasswordBearer, OAuth2PasswordRequestForm from jose import JWTError, jwt from datetime import datetime, timedelta from pydantic import BaseModel app = FastAPI() # 配置 SECRET_KEY = "your-secret-key" ALGORITHM = "HS256" ACCESS_TOKEN_EXPIRE_MINUTES = 30 # 模拟用户数据库 fake_users_db = { "alice": { "username": "alice", "full_name": "Alice Smith", "email": "[email protected]", "hashed_password": "fakehashedsecret", "disabled": False, } } # 工具函数 def fake_hash_password(password: str): return "fakehashed" + password def verify_password(plain_password, hashed_password): return hashed_password == fake_hash_password(plain_password) def get_user(db, username: str): if username in db: user_dict = db[username] return user_dict def create_access_token(data: dict, expires_delta: timedelta = None): to_encode = data.copy() if expires_delta: expire = datetime.utcnow() + expires_delta else: expire = datetime.utcnow() + timedelta(minutes=15) to_encode.update({"exp": expire}) encoded_jwt = jwt.encode(to_encode, SECRET_KEY, algorithm=ALGORITHM) return encoded_jwt # 依赖 oauth2_scheme = OAuth2PasswordBearer(tokenUrl="token") async def get_current_user(token: str = Depends(oauth2_scheme)): credentials_exception = HTTPException( status_code=status.HTTP_401_UNAUTHORIZED, detail="Could not validate credentials", headers={"WWW-Authenticate": "Bearer"}, ) try: payload = jwt.decode(token, SECRET_KEY, algorithms=[ALGORITHM]) username: str = payload.get("sub") if username is None: raise credentials_exception except JWTError: raise credentials_exception user = get_user(fake_users_db, username=username) if user is None: raise credentials_exception return user # 路由 @app.post("/token") async def login(form_data: OAuth2PasswordRequestForm = Depends()): user = get_user(fake_users_db, form_data.username) if not user: raise HTTPException(status_code=400, detail="Incorrect username or password") if not verify_password(form_data.password, user["hashed_password"]): raise HTTPException(status_code=400, detail="Incorrect username or password") access_token_expires = timedelta(minutes=ACCESS_TOKEN_EXPIRE_MINUTES) access_token = create_access_token( data={"sub": user["username"]}, expires_delta=access_token_expires ) return {"access_token": access_token, "token_type": "bearer"} @app.get("/users/me") async def read_users_me(current_user: dict = Depends(get_current_user)): return current_user

五、部署

5.1 部署后端

使用Docker部署Python后端：

# Dockerfile FROM python:3.9-slim WORKDIR /app COPY requirements.txt . RUN pip install --no-cache-dir -r requirements.txt COPY . . EXPOSE 8000 CMD ["uvicorn", "app:app", "--host", "0.0.0.0", "--port", "8000"]

5.2 部署前端

使用Vercel、Netlify等平台部署前端：

  • Vercel：适合部署React、Next.js应用
  • Netlify：适合部署Vue、React应用
  • GitHub Pages：适合部署静态网站

5.3 完整部署

使用Docker Compose部署前后端：

# docker-compose.yml version: '3' services: backend: build: ./backend ports: - "8000:8000" frontend: build: ./frontend ports: - "3000:3000" depends_on: - backend

六、Python与Rust的对比

作为一个同时学习Python和Rust的转码者，我发现对比学习是一种很好的方法：

6.1 前端集成对比

  • Python：生态丰富，有FastAPI、Flask等框架
  • Rust：有Actix-web、Rocket等框架
  • 开发效率：Python开发效率高，Rust开发效率相对较低
  • 性能：Rust性能优异，Python性能相对较低

6.2 学习心得

  • Python的优势：开发效率高，生态丰富
  • Rust的优势：性能优异，内存安全
  • 相互借鉴：从Python学习快速开发，从Rust学习性能优化

七、实践项目推荐

7.1 全栈项目

  • 博客系统：使用Python作为后端，React/Vue作为前端
  • 电商系统：使用Python作为后端，React/Vue作为前端
  • 社交应用：使用Python作为后端，React/Vue作为前端
  • 数据分析平台：使用Python作为后端，React/Vue作为前端

八、学习方法和技巧

8.1 学习方法

  • 循序渐进：先学习后端API开发，再学习前端框架
  • 项目实践：通过实际项目来巩固知识
  • 文档阅读：仔细阅读框架的官方文档
  • 社区交流：加入社区，向他人学习

8.2 常见问题和解决方法

  • CORS问题：配置CORS中间件
  • 认证问题：使用JWT等认证方式
  • 部署问题：使用Docker等容器化技术
  • 性能问题：优化API设计，使用缓存

九、总结

Python与前端技术的集成可以构建出功能强大的全栈应用。作为一个非科班转码者，我深刻体会到全栈开发的重要性。

我的学习过程并不是一帆风顺的，遇到了很多困难和挫折，但通过不断地实践和学习，我逐渐掌握了Python与前端集成的各种技巧。

保持学习，保持输出。虽然现在我还是个菜鸡，但我相信只要坚持，总有一天能成为真正的「第一程序员」！

Read more

2025必备10个降AIGC工具，本科生速看！

2025必备10个降AIGC工具，本科生速看！

2025必备10个降AIGC工具，本科生速看！ AI降重工具：让论文更自然，更安心 在当前学术环境中，越来越多的高校开始使用AIGC检测系统来评估论文的原创性。对于本科生来说，如何有效降低AIGC率、去除AI痕迹、同时保持论文的语义通顺，成为了撰写论文过程中的一大挑战。幸运的是，AI降重工具的出现为学生提供了全新的解决方案。 这些工具不仅能够帮助用户识别论文中可能存在的AI生成痕迹，还能通过智能算法对文本进行深度优化，确保内容既符合学术规范，又具备高度的原创性。无论是初稿的快速处理，还是定稿前的细致检查，AI降重工具都能提供针对性的帮助，让论文更加自然流畅。 工具名称主要功能适用场景千笔强力去除AI痕迹、保语义降重AI率过高急需降重云笔AI多模式降重初稿快速处理锐智 AI综合查重与降重定稿前自查文途AI操作简单片段修改降重鸟同义词替换小幅度修改笔杆在线写作辅助辅助润色维普官方查重最终检测万方数据库查重数据对比Turnitin国际通用检测留学生降重ChatGPT辅助润色指令手动辅助 千笔AI(官网直达入口) ：https://www.qianbixiezuo.com

llama.cpp最新版Windows编译全记录：从源码下载到模型测试（含w64devkit配置）

llama.cpp Windows编译实战：从工具链配置到模型部署全解析 在本地运行大型语言模型正成为开发者探索AI能力的新趋势，而llama.cpp以其高效的C++实现和跨平台特性脱颖而出。本文将深入探讨Windows平台下llama.cpp的完整编译流程，特别针对开发者常遇到的环境配置、API兼容性和性能优化问题进行系统化梳理。 1. 开发环境准备与工具链配置 Windows平台编译C++项目需要精心配置工具链，而w64devkit提供了一个轻量级但功能完整的解决方案。与常见的Visual Studio或MinGW-w64不同，w64devkit将所有必要工具集成在单个便携包中，特别适合需要干净编译环境的开发者。 核心组件获取步骤： 1. 访问w64devkit官方GitHub仓库，下载最新稳定版本（当前推荐1.23.0） 2. 解压至不含中文和空格的路径，例如D:\dev\w64devkit-1.23.0 3. 验证基础功能：运行w64devkit.exe后执行gcc --version 注意：Windows 7用户需确保系统已安装KB2533623补丁，否则
万方AIGC检测通不过？这几款降AI工具实测有效

万方AIGC检测通不过？这几款降AI工具实测有效

万方AIGC检测通不过？这几款降AI工具实测有效 TL;DR：万方AIGC检测算法与知网、维普不同，需要选择支持万方平台的降AI工具。推荐嘎嘎降AI（多平台适配，4.8元/千字）和率降（稳定可靠，4.2元/千字）。 万方检测的特殊性 很多同学以为降AI工具都是通用的，用一个就能搞定所有平台。但实际上，知网、维普、万方三大平台的AIGC检测算法各有不同。我之前用一款只针对知网优化的工具处理论文，知网检测降到了8%，但万方一测还有32%，差点没过学校的检测线。 万方的AIGC检测更侧重于文本特征分析，对某些AI生成模式的识别与知网有差异。所以如果你学校用的是万方检测，一定要确认工具是否支持万方平台，别只看知网的效果数据。 支持万方的降AI工具对比 工具价格（千字）万方效果达标率特色链接嘎嘎降AI4.8元60%→8%99.26%多平台适配官网率降4.2元65%→12%97%稳定可靠官网去AIGC3.5元70%→18%96%通用型官网比话降AI8元知网专精99%
【深度解析 LayerNorm 与 RMSNorm】为什么 LLaMA 等大模型全面转向 RMSNorm？

【深度解析 LayerNorm 与 RMSNorm】为什么 LLaMA 等大模型全面转向 RMSNorm？

文章目录 * 前言 * 一、归一化技术概述 * 1.1 基本理论框架 * 1.2 梯度与参数更新的稳定性 * 1.3 间接降低内存占用 * 1.4 总结：归一化稳定优化的逻辑链 * 二、LayerNorm * 2.1 核心原理 * 2.2 代码逐行解析 * 2.3 与 BatchNorm 的区别 * (1) 适配「变长序列+批次无关」的建模需求 * (2) 适配「自注意力的全局依赖特性」 * (3) 适配「梯度高效传递+训练/推理一致」的需求 * (4) 总结 * 2.4 Transformer 中