Python 第三方库:Flet(一套代码构建跨平台桌面与 Web 应用)

Flet 是一个现代跨平台 的 Python UI 框架,允许开发者使用纯 Python 构建 Web 应用、桌面应用(Windows/macOS/Linux)、移动应用(Android/iOS)。它基于 Flutter 渲染引擎,因此具有高性能、现代化 UI、响应式布局等优势,却无需掌握 Dart 或 Flutter,只需写 Python 即可。

Flet 特别适用于快速开发企业内部工具、后台管理界面、实时仪表盘、桌面应用原型等,被认为是“Python 世界的 Flutter”。

安装:

pip install flet

常见应用场景:

(1)跨平台 GUI 开发(无需 Dart)

使用 Python 构建 Windows、macOS、Linux GUI 程序,界面效果与 Flutter 一致。

(2)Web 应用与管理后台

一套代码可直接在浏览器运行,适合制作管理后台、仪表盘、可视化面板。

(3)移动应用原型开发

可部署到移动端(Android / iOS),适合作为快速验证 UI 的工具。

(4)实时应用与仪表盘

内置 WebSocket 支持,适合动态数据更新,如实时监控、业务面板。

(5)企业内部工具

无需前端技术栈,快速做出内部系统界面或小型业务工具。

◆  ◆  ◆

核心概念

1、Flet 应用程序(Page)

Flet 使用 page 对象表示应用页面,包含:

• 主题(light/dark)

• 控件列表

• 路由管理

• 响应式布局

• 事件回调执行环境

例如:

def main(page):    page.title = "Hello Flet"

2、控件(Controls)

类似 Flutter 小部件(Widgets),但用 Python 创建。

常用控件包括:

• Text:文本

• TextField:输入框

• ElevatedButton:按钮

• Row / Column:布局

• Container:容器

• Image:图像

• DataTable:表格

• Dropdown:下拉框

• IconButton:图标按钮

Flet 控件均支持属性绑定与事件处理。

3、事件回调(Events)

控件的事件通过 Python 函数处理,如:

def on_click(e):    print("Clicked!")button.on_click = on_click

支持:

• 点击

• 输入变化

• 列表选择

• 滑块调整

• 路由变化

• 文件上传事件等

4、响应式布局(Responsive Layout)

基于 Flutter 的布局系统,可灵活适配桌面/网页/移动端:

• Row

• Column

• ResponsiveRow

• 自动拉伸、对齐、边距控制

5、热重载(Hot Reload)

开发时可直接热重载 UI,而不必重启应用。

◆  ◆  ◆

应用举例

例 1:最简单的窗口

import flet as ft def main(page: ft.Page):    page.add(ft.Text("Hello, Flet!"))    ft.app(target=main)

例 2:按钮点击事件

import flet as ft def main(page: ft.Page):    def on_click(e):        page.add(ft.Text("按钮被点击"))    page.add(ft.ElevatedButton("点我", on_click=on_click)) ft.app(target=main)

例 3:输入框与响应

import flet as ft def main(page: ft.Page):    name = ft.TextField(label="请输入姓名")      def update_name(e):        page.add(ft.Text(f"你好,{name.value}"))       page.add(name, ft.ElevatedButton("确认", on_click=update_name)) ft.app(target=main)

例 4:布局示例(Row + Column)

import flet as ft def main(page: ft.Page):    page.add(        ft.Row([            ft.Container(ft.Text("左"), width=100,),            ft.Container(ft.Text("右"), width=100,)        ])    ) ft.app(target=main)

例 5:运行 Web 模式

ft.app(target=main, view=ft.WEB_BROWSER)

◆  ◆  ◆

常用函数与类速览

ft.app(target, view=None)

启动 Flet 应用。

参数:

target:主函数,接收 Page 对象。

view:窗口类型(桌面、Web、移动)。

返回: 无。

Page

Flet 应用主页面对象。

常用属性:

title:页面标题

controls:控件列表

route:当前路由

theme_mode:主题模式

常用方法:

add():添加控件

update():刷新页面

go(route):路由跳转

Controls(如 Text、Row、Button)

所有 UI 控件类型。

参数: 文本内容、样式属性、事件回调等。

返回: 控件对象。

Text(value)

显示文本控件。

参数:

value:字符串。

返回: Text 实例。

TextField(label=None)

文本输入框。

参数:

label:标签文字。

返回: TextField 实例。

ElevatedButton(text, on_click=None)

按钮控件。

参数:

text:按钮文字。

on_click:点击事件回调。

返回: ElevatedButton 实例。

Row/Column(controls)

水平或垂直布局。

参数:

controls:控件列表。

返回: 布局对象。

Container(content, padding, bgcolor, expand=False)

容器控件。

参数:

content:子控件。

padding:内边距。

bgcolor:背景色。

expand:自动扩展。

◆  ◆  ◆

补充说明

(1)Flet 底层使用 Flutter 渲染,因此 UI 性能远高于 Tkinter / PySimpleGUI。

(2)Python 层不处理绘图,实际渲染在前端完成,通过 WebSocket 与 Python 交互。

(3)可以打包为桌面应用(Flet CLI 支持打包)。

(4)虽支持移动端,但当前在部署和性能上仍在持续改进中。

(5)适合快速开发与内部工具,但不推荐用于复杂大型前端项目。

📘 小结

Flet 使 Python 开发者能够以极低的学习成本构建现代、跨平台的 GUI 与 Web 应用。凭借 Flutter 的高性能渲染和丰富控件体系,Flet 适合构建内部工具、实时仪表盘、企业管理界面等高交互应用。其简单的事件机制、响应式布局和“纯 Python 无需前端”的开发模式极大降低了应用界面开发难度,是当前 Python 最具潜力的跨平台 UI 框架之一。

图片

“点赞有美意,赞赏是鼓励”

Read more

Code Llama代码生成模型:5分钟快速上手与7个实用技巧

Code Llama代码生成模型:5分钟快速上手与7个实用技巧 【免费下载链接】CodeLlama-7b-hf 项目地址: https://ai.gitcode.com/hf_mirrors/ai-gitcode/CodeLlama-7b-hf Code Llama代码生成模型是Meta开发的一款强大的AI编程助手,能够在代码合成和理解方面提供卓越表现。本指南将带你快速掌握这款模型的核心使用方法,从基础安装到实战应用,让你在短时间内成为Code Llama的使用高手。 🚀 快速入门指南:一键配置方法 环境准备与依赖安装 在开始使用Code Llama之前,需要确保系统满足基本要求。建议使用Linux系统,配备至少16GB内存和10GB可用存储空间。通过简单的命令行操作即可完成环境搭建: 首先安装必要的Python包管理工具,然后使用pip安装transformers和accelerate库,这两个库是运行Code Llama模型的基础依赖。 模型加载三步法 加载Code Llama模型的过程可以简化为三个关键步骤: 1. 导入核心模块:引入AutoTokeniz

从Alpaca到Vicuna:如何用Llama Factory轻松切换对话模板

从Alpaca到Vicuna:如何用Llama Factory轻松切换对话模板 如果你正在研究大语言模型,可能会遇到这样的困扰:每次想比较不同提示模板对模型输出的影响时,都需要手动修改大量配置,既耗时又容易出错。本文将介绍如何利用Llama Factory这个强大的工具,快速切换Alpaca、Vicuna等不同对话模板,让对比实验变得轻松高效。 这类任务通常需要GPU环境支持,目前ZEEKLOG算力平台提供了包含Llama Factory的预置环境,可以快速部署验证。但无论你选择哪种运行环境,Llama Factory的核心功能都能帮助你统一管理各种模板,显著提升研究效率。 为什么需要统一管理对话模板 在微调或测试大语言模型时,提示模板(Prompt Template)的选择会显著影响模型输出。常见的模板如Alpaca、Vicuna各有特点: * Alpaca模板:结构清晰,适合指令跟随任务 * Vicuna模板:对话感更强,适合多轮交互 * Default模板:最基础的提示格式 手动切换这些模板不仅需要修改代码,还可能因为格式错误导致模型表现异常。Llama Fa

GitHub Copilot 学生认证详细教程

GitHub Copilot 学生认证详细教程

GitHub Copilot 是 GitHub 提供的 AI 代码助手工具,学生可以通过 GitHub Student Developer Pack(学生开发者包)免费获取 Copilot Pro 版本(通常每月收费 10 美元)。这个过程涉及验证你的学生身份,一旦通过,你可以免费使用 Copilot Pro,直到你的学生身份到期(通常每年需要重新验证)。以下是最详细的教程,基于 GitHub 官方文档和社区指南,涵盖从准备到激活的所有步骤。我会逐步分解,确保每个步骤都清晰、可操作。如果你是第一次申请,预计整个过程可能需要 1-3 天(验证通常在 72 小时内完成)。 第一部分:资格要求和准备工作 在开始前,确保你符合条件。如果不符合,申请会被拒绝。 * 资格标准: * 你必须是当前在读学生,

8卡RTX 5090服务器llama.cpp测试

8 卡 RTX 5090 服务器 完整安装及性能调优指南  8卡RTX 5090服务器 从 NVIDIA驱动安装 → CUDA环境 → llama.cpp编译 → 多GPU测试 的完整、可直接执行流程(基于Ubuntu 22.04 LTS,适配Blackwell架构)。 一、系统与硬件准备(必做) 1.1 系统要求 • 推荐:Ubuntu 22.04 LTS(64位) • 内核:6.8+ HWE内核(5090必须高内核) • 禁用:Nouveau开源驱动(与NVIDIA驱动冲突) 1.2 硬件检查 Bash # 查看8张5090是否被识别 lspci | grep -i nvidia