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】自动教学视频生成方案

最终目标：从"生成代码"到"生成教程视频"的完整闭环。 整体思路：从"动手"到"动口" 目标分解为两大步，它们分别对应两个强大的工具： 1. 用Claude Code “做出来”：利用它在终端里自动编写代码、运行测试、生成文档的能力，为你的教学视频准备素材（如一个自动编码的Demo脚本）。 2. 用OpenClaw “录下来”：利用OpenClaw操控电脑的能力，让它像人一样，自动打开终端、运行Claude Code、录制屏幕、最后生成一个完整的教学视频。 下面这个流程图可以帮你建立更直观的认知： 第二阶段：自动化录制与生成 第一阶段：内容生产中枢 自动编写/调试 1. 调用2. 执行3.
AI日报 - 2026年03月31日

AI日报 - 2026年03月31日

#本文由AI生成 🌐 一、【行业深度】 1. 🎧 万象有声开启公测：懒人听书原班人马打造AIGC有声内容“智能工厂” 🔥 热点聚焦： 由前“懒人听书”核心团队创立的万象有声平台正式开启公测，直击有声内容产业长期存在的高成本、低效率与品控难三大痛点。该平台并非单一AI配音工具，而是融合智能画本、录剪一体工作站、AI多播有声剧全自动工作台等模块的全栈式AIGC创作系统，支持双轨制生产——既赋能专业工作室实现后期对轨效率提升500%，又为网文平台中长尾IP提供极低成本、高吞吐量的“准广播剧”级内容生成能力。内测数据显示，传统需30天交付的有声书项目可压缩至5–7天，标志着有声内容正从手工作坊迈入工业化智能生产新阶段。 **⚡ 进展追踪：**平台已全面开放公测注册，官网即刻体验，首批合作方包括多家头部网文平台与有声出版机构。 🔍 影响维度分析： 维度拓展详细分析【技术维度】首次实现“AI多播+自动对轨+智能审听”闭环，突破语音合成在角色区分、情感连贯性与时间精度上的工程瓶颈。【市场维度】有望激活超千万部沉睡网文IP，将有声内容供给规模提升一个数量级，重塑版权方、制作方与平
AI 大模型落地系列｜Eino ADK体系篇：你对 ChatModelAgent 有了解吗？

AI 大模型落地系列｜Eino ADK体系篇：你对 ChatModelAgent 有了解吗？

声明：本文源于官方文档，重点参考 Eino ADK: ChatModelAgent、Eino ADK: 概述、Eino ADK: Agent 协作 分享一个很棒的AI技术博客，对AI感兴趣的朋友强烈推荐去看看http://blog.ZEEKLOG.net/jiangjunshow。 为什么很多人把 ChatModelAgent 想简单了？一文讲透 ReAct、Transfer、AgentAsTool 与 Middleware * 1. 为什么很多人会把 `ChatModelAgent` 想简单 * 2. `ChatModelAgent` 在 ADK 里到底是什么 * 3. 其内部本质是一个 `ReAct` 循环 * 没有 Tool 时会怎样 * 为什么还需要 `MaxIterations` * 4. 哪几组配置真正决定了行为 * `Name / Description`
收藏级｜小白也能上手！用魔搭+LLaMA Factory手把手实操大模型微调全流程

收藏级｜小白也能上手！用魔搭+LLaMA Factory手把手实操大模型微调全流程

本文用「教育孩子」类比「训练AI」的通俗方式，拆解大模型微调的完整流程，全程基于魔搭平台和LLaMA Factory工具，从环境搭建、模型下载、数据准备，到模型训练、本地测试、模型导出，每一步都附具体操作和代码，无多余冗余。无论是零基础小白，还是刚接触大模型的程序员，都能跟着步骤一步步实操，轻松吃透预训练、微调和RLHF三大核心阶段，成功训练出属于自己的第一个大模型，建议收藏备用，实操时直接对照步骤走！ 1、先搞懂：什么是大模型「微调」？ 在动手实操前，我们先花2分钟搞懂核心概念——微调。常规大语言模型的训练，就像培养一个孩子，整体分为3个关键阶段，一张图就能看明白： 用「养娃」做类比，小白也能秒懂三个阶段的区别，建议记好这个类比，后续理解流程更轻松： 1. 预训练（对应孩子的「通识教育」） * 模型层面：通过自监督学习，读取海量文本数据，掌握基础的语言规则、词汇逻辑，