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

【AI】kimi2.5核心技术：注意力残差

Attention Residuals 详解 Attention Residuals（注意力残差）是 Kimi 团队在 2026 年 3 月提出的一项突破性架构创新。它挑战了深度学习领域沿用十年的残差连接（Residual Connections）设计，用可学习的注意力机制取代了传统的固定权重加法，让模型的每一层都能智能地选择从前面的哪些层获取信息。 下面我从核心原理、生动举例和实际应用三个层面，为你系统拆解这项技术。 一、核心原理：为什么需要 Attention Residuals？ 1. 传统残差连接的“隐痛” 自从 2015 年 ResNet 诞生以来，残差连接 y = x + f(x) 就成了几乎所有深度神经网络的标配。但它的信息聚合方式非常粗糙：把所有前面层的输出无差别地等权相加。 这带来了两个严重问题： 问题表现后果信息稀释浅层特征在向深层传递时，其相对贡献随深度线性衰减第50层想用第2层的信息，但已被中间48层的信息层层冲淡隐状态爆炸深层模块需要输出更大模长的激活值来维持信号强度数值不稳定，梯度分布不均，训练收敛困难 这就是论文中反复提到的

【GitHub项目推荐--Toonflow AI短剧工厂：一站式AI短剧创作平台】

简介 Toonflow AI短剧工厂是一个革命性的AI驱动短剧创作平台，由HBAI-Ltd团队开发。该项目致力于将小说文本智能转化为完整的短剧视频，实现从文字到影像的全流程自动化。通过集成先进的大语言模型、图像生成和视频合成技术，Toonflow让用户只需动动手指，就能将小说秒变剧集，创作效率提升10倍以上。 核心价值： * 全流程AI化：从文本到角色，从分镜到视频，0门槛完成短剧创作 * 效率革命：创作效率提升10倍+，大幅缩短制作周期 * 智能转换：自动将小说转化为结构化剧本和视觉内容 * 开源免费：基于AGPL-3.0许可证，完全开源且免费使用 技术定位：Toonflow填补了文学创作与影视制作之间的技术鸿沟。通过标准化的AI工作流，它为内容创作者提供了从创意到成品的完整解决方案，降低了视频制作的专业门槛。 主要功能 1. 智能角色生成 系统自动分析原始小说文本，智能识别并生成角色设定。生成内容包括角色的外貌特征、性格特点、身份背景等详细信息。为后续剧本创作和画面设计提供可靠的角色基础。支持批量角色生成，快速构建完整的角色库。 2. 自动化剧本生成 基

大模型——CoPaw：阿里云通义推出的个人智能体工作台，让 AI 助理真正落地

2026年2月14日，[阿里云通义]实验室正式发布 CoPaw 个人智能助理，以"本地+云端"双部署、多端全域接入、技能灵活扩展为核心特性，对标 OpenClaw，为国内用户带来真正可用的 AI 助理体验。 🎉 2026年2月28日重磅更新：CoPaw 正式在 GitHub 开源！架构模块化重构，支持本地模型接入（Ollama、llama.cpp、MLX），进一步降低使用门槛。 一、产品概述：什么是 CoPaw？ CoPaw（Co-Paw，意为"你的搭档小爪子"）是阿里云通义团队推出的个人智能体工作台，基于 AgentScope 多智能体生态构建。它不仅仅是一个聊天机器人，更是一个能够真正帮你"干活"的
2026年 Trae 收费模式改变 —— AI 编程“免费午餐”终结后的生存法则

2026年 Trae 收费模式改变 —— AI 编程“免费午餐”终结后的生存法则

关键词：Trae, Cursor, AI 编程成本, Token 计费, Agent 模式, 职业转型 大家好，我是飞哥！👋 2026年，AI编辑器Trae 也将收费模式改为按 Token 收费。 有些开发者开始动摇：“AI 编辑器越来越贵，是不是应该放弃使用，回归纯手写代码？” 对于用户来说，这无疑是一次涨价。但在飞哥看来，这次涨价背后释放了两个非常关键的信号： 1. AI 技术已进入稳定成熟期： 厂商不再需要通过“免费/低价补贴”来换取用户数据进行模型迭代。产品已经足够成熟，有底气接受市场真实定价的检验。 2. 倒逼用户进化，优胜劣汰： 涨价是一道筛子。它在要求用户大幅提升自己的 AI 使用水平（如 Prompt 技巧、Context 管理）。 * 低级使用者（只会问“怎么写代码”