你是否想过用Python创建一个网站或API，却被复杂的配置和概念吓退？ 选择一个合适的框架是成功的第一步。Python生态中有三位明星选手：稳重的Django、灵活的Flask和现代的FastAPI。本文将带你了解它们，并用最直接的方式，在10分钟内搭建你的第一个Web接口。

第一部分：框架全景图——如何选择你的“第一把武器”？

选择框架就像选择汽车：Django是配置齐全的SUV，Flask是易于改装的家用轿车，而FastAPI则是动力强劲的超跑。没有绝对的好坏，只有是否适合你的场景。

1. Django： “大而全”的专家，为完美主义者而生

  • 核心理念：“自带电池”。它提供了一站式的解决方案，你需要的绝大部分功能（用户认证、管理后台、数据库ORM、表单处理等）都已内置。
  • 适合场景：
    • 传统的、功能复杂的网站（如新闻门户、电子商务平台）。
    • 需要快速构建强大后台管理系统的项目。
    • 团队开发，需要统一的规范和强大的文档支持。
  • 特点：
    • 优点：功能完善、开箱即用、安全性高、社区庞大、文档极为详尽。
    • 缺点：学习曲线相对陡峭、灵活性较低、有较强的项目结构约束。

2. Flask： “微内核”的艺术家，为极简主义和灵活性而生

  • 核心理念：“微核心+扩展”。Flask本身只包含最核心的路由和模板功能，其他功能（如数据库ORM、表单验证）都由丰富的扩展库提供。
  • 适合场景：
    • 小型项目、微服务、快速原型验证。
    • API开发，特别是RESTful API。
    • 学习者，希望从底层理解Web工作原理。
  • 特点：
    • 优点：极其灵活、学习曲线平缓、代码直观、可自由搭配技术栈。
    • 缺点：很多功能需要自己选择和组织扩展，对架构能力有一定要求。

3. FastAPI： 现代的挑战者，为高性能API而生

  • 核心理念：基于Python类型提示，提供极高的开发效率和运行时性能。它自动生成交互式API文档，是其最大亮点。
  • 适合场景：
    • 构建高性能的RESTful API（尤其是前后端分离项目）。
    • 需要自动生成API文档的项目。
    • 对性能有较高要求的现代应用。
  • 特点：
    • 优点：性能极高（媲美Node.js和Go）、开发速度快、自动生成文档、代码直观易懂（得益于类型提示）。
    • 缺点：相对较新（但发展极快），某些领域的生态系统不如Django/Flask成熟。

快速选择指南：

  • 新手入门，想快速看到效果？ → Flask 或 FastAPI
  • 要做一个功能完整的正规商业网站？ → Django
  • 主要做后端API，特别是微服务？ → FastAPI 或 Flask
  • 想深入学习Web开发原理？ → Flask
第二部分：实战演示——用 Flask 和 FastAPI 构建你的第一个RESTful API

理论说再多，不如亲手写一行代码。下面我们将分别用Flask和FastAPI构建一个简单的“待办事项”API，支持查看和添加任务。

环境准备
首先，安装必要的库：

# 安装 Flask
pip install flask

# 安装 FastAPI 和 用于服务器的 Uvicorn
pip install fastapi uvicorn
实战一：用 Flask 搭建简易待办API
  1. 创建文件 flask_app.py
from flask import Flask, jsonify, request

# 1. 创建 Flask 应用实例
app = Flask(__name__)

# 用一个内存中的列表来模拟数据库
todos = [
    {"id": 1, "task": "学习 Python", "completed": False},
    {"id": 2, "task": "写一个 Flask API", "completed": True}
]

# 2. 定义路由和视图函数

# GET /api/todos： 获取所有待办事项
@app.route('/api/todos', methods=['GET'])
def get_all_todos():
    # jsonify 将Python列表/字典转换为JSON格式返回
    return jsonify(todos)

# GET /api/todos/<id>： 获取单个待办事项
@app.route('/api/todos/<int:todo_id>', methods=['GET'])
def get_todo(todo_id):
    # 在列表中查找对应ID的待办项
    todo = next((item for item in todos if item['id'] == todo_id), None)
    if todo is None:
        # 如果没找到，返回404错误
        return jsonify({"error": "Todo not found"}), 404
    return jsonify(todo)

# POST /api/todos： 创建一个新的待办事项
@app.route('/api/todos', methods=['POST'])
def create_todo():
    # 从请求的JSON体中获取数据
    data = request.get_json()

    # 简单的数据验证
    if not data or 'task' not in data:
        return jsonify({"error": "Task is required!"}), 400

    # 创建新的待办项
    new_id = max(item['id'] for item in todos) + 1 if todos else 1
    new_todo = {
        "id": new_id,
        "task": data['task'],
        "completed": data.get('completed', False) # 如果没有提供completed，默认为False
    }
    todos.append(new_todo)

    # 返回新创建的项目和状态码201 (Created)
    return jsonify(new_todo), 201

# 3. 运行应用
if __name__ == '__main__':
    app.run(debug=True) # debug=True 表示开启调试模式，代码修改后自动重启

  1. 运行并测试
    在终端执行：

    python flask_app.py

    你会看到输出提示服务运行在 http://127.0.0.1:5000。

  2. 使用工具测试API（推荐使用 Postman 或 curl）

    • 获取所有待办：浏览器访问 http://127.0.0.1:5000/api/todos
    • 创建新待办：使用Postman，向 http://127.0.0.1:5000/api/todos 发送一个POST请求，Body选择raw / JSON，内容为：{"task": "测试新任务"}
实战二：用 FastAPI 搭建同款待办API
  1. 创建文件 fastapi_app.py
from fastapi import FastAPI, HTTPException
from pydantic import BaseModel # 用于数据验证和序列化的库，FastAPI自带
from typing import Optional

# 1. 创建 FastAPI 应用实例
app = FastAPI(title="Simple Todo API", description="A simple demo API")

# 同样模拟一个内存数据库
todos = [
    {"id": 1, "task": "学习 Python", "completed": False},
    {"id": 2, "task": "写一个 FastAPI", "completed": True}
]

# 2. 使用 Pydantic 模型定义数据格式
class TodoItem(BaseModel):
    task: str
    completed: Optional[bool] = False # 可选字段，默认为False

class TodoItemResponse(TodoItem):
    id: int # 响应模型包含ID

# 3. 定义路径操作

# GET /api/todos
@app.get("/api/todos", response_model=list[TodoItemResponse])
async def get_all_todos():
    return todos

# GET /api/todos/{todo_id}
@app.get("/api/todos/{todo_id}", response_model=TodoItemResponse)
async def get_todo(todo_id: int): # 参数类型提示，FastAPI会自动转换和验证
    todo = next((item for item in todos if item['id'] == todo_id), None)
    if todo is None:
        raise HTTPException(status_code=404, detail="Todo not found")
    return todo

# POST /api/todos
@app.post("/api/todos", response_model=TodoItemResponse, status_code=201)
async def create_todo(item: TodoItem): # 参数直接使用Pydantic模型，自动验证请求体
    new_id = max(item['id'] for item in todos) + 1 if todos else 1
    new_todo = {"id": new_id, **item.dict()} # 解包模型数据
    todos.append(new_todo)
    return new_todo

  1. 运行并测试
    在终端执行：

    uvicorn fastapi_app:app --reload

    --reload 表示代码修改后自动重启。

  2. 测试API并查看自动文档！

    • 服务运行在 http://127.0.0.1:8000。
    • 自动生成的交互式文档：访问 http://127.0.0.1:8000/docs （Swagger UI）或 http://127.0.0.1:8000/redoc。你可以直接在这个页面上测试API接口，这是FastAPI最大的魅力之一！
总结与下一步

恭喜！你已经用两种不同的框架成功创建了功能相同的Web API。回顾一下：

  • Flask的代码非常直观，接近底层HTTP操作，适合理解基本原理。
  • FastAPI的代码利用了现代Python特性（类型提示），更加严谨，并自动生成了强大的API文档。

你的下一步：

  1. 添加更多功能：尝试为API添加PUT（更新）和DELETE（删除）操作。
  2. 连接真实数据库：将内存列表替换成SQLite（使用sqlite3库）、PostgreSQL（使用psycopg2或SQLAlchemy ORM）。
  3. 添加用户认证：学习如何使用JWT（JSON Web Tokens）来保护你的API。
# python # flask # django
Logo
AI Agent技术社区

Agent 垂直技术社区，欢迎活跃、内容共建。

更多推荐

cover

我测试了一个0.9B模型，它竟然能自动区分多人讲话）

avatar AI Agent技术社区
cover

从一张商品图到正式上架：实测店匠 Shoplazza Athena，AI Agent 不只是聊天框

avatar AI Agent技术社区
cover

【AI Agent】《2026年9月 AI Agent全栈开发技术选型专项面试宝典》

avatar AI Agent技术社区