เฮ้! ในฐานะซัพพลายเออร์ของ Filtering Flask ช่วงนี้ฉันได้รับคำถามมากมายเกี่ยวกับวิธีที่ดีที่สุดในการกรองการตอบสนองของ API ใน Flask ฉันเลยคิดว่าจะแชร์ข้อมูลเชิงลึกและเคล็ดลับที่รวบรวมมาตลอดหลายปีที่ผ่านมา
ก่อนอื่น เรามาพูดถึงความหมายของการกรองการตอบสนองของ API ใน Flask กันก่อน เมื่อคุณสร้าง API ใน Flask คุณมักจะต้องการส่งคืนเฉพาะชุดย่อยของข้อมูลตามเกณฑ์ที่กำหนด ตัวอย่างเช่น คุณอาจมีฐานข้อมูลของผลิตภัณฑ์ และคุณต้องการส่งคืนเฉพาะสินค้าที่มีอยู่ในสต็อกเท่านั้น กระบวนการเลือกและส่งคืนข้อมูลเฉพาะนี้คือสิ่งที่เราเรียกว่าการกรอง
ขณะนี้ มีหลายวิธีในการบรรลุเป้าหมายนี้ใน Flask วิธีหนึ่งที่พบบ่อยที่สุดคือการใช้พารามิเตอร์การสืบค้น พารามิเตอร์การค้นหาคือคู่คีย์ - ค่าที่คุณสามารถต่อท้าย URL ได้ สมมติว่าคุณมีตำแหน่งข้อมูล API สำหรับรับรายชื่อผู้ใช้ คุณสามารถเพิ่มพารามิเตอร์การค้นหาเพื่อกรองผู้ใช้ตามอายุได้
นี่คือตัวอย่างง่ายๆ ของเส้นทาง Flask ที่มีการกรองโดยใช้พารามิเตอร์การสืบค้น:
จากการนำเข้าขวด Flask, คำขอ, แอป jsonify = ผู้ใช้ Flask(__name__) = [ {"id": 1, "name": "John", "age": 25}, {"id": 2, "name": "Jane", "age": 30}, {"id": 3, "name": "Doe", "age": 22} ] @app.route('/users', วิธีการ=['GET']) def get_users(): age = request.args.get('age') if age: filtered_users = [user for user in users if user['age'] == int(age)] return jsonify(filtered_users) return jsonify(users) if __name__ == '__main__': app.run(debug=True)
ในตัวอย่างนี้ หากคุณเยี่ยมชม/users?age=25ในเบราว์เซอร์ของคุณหรือส่งคำขอ GET ไปยัง URL นี้ API จะส่งกลับเฉพาะผู้ใช้ที่มีอายุ 25 ปี ซึ่งเป็นวิธีที่ตรงไปตรงมาในการใช้การกรองพื้นฐาน
อย่างไรก็ตาม สำหรับสถานการณ์การกรองที่ซับซ้อนมากขึ้น คุณอาจต้องการใช้การดำเนินการสืบค้นฐานข้อมูล หากคุณใช้ฐานข้อมูลเช่น SQLite, MySQL หรือ PostgreSQL กับ Flask คุณสามารถเขียนคำสั่ง SQL เพื่อกรองข้อมูลในระดับฐานข้อมูลได้ ตัวอย่างเช่น หากคุณใช้ SQLAlchemy (ORM ยอดนิยมสำหรับ Flask) คุณสามารถดำเนินการดังนี้:
จากการนำเข้าขวด Flask, jsonify จาก flask_sqlalchemy นำเข้าแอป SQLAlchemy = Flask(__name__) app.config['SQLALCHEMY_DATABASE_URI'] ='sqlite:///test.db' db = SQLAlchemy(app) class User(db.Model): id = db.Column(db.Integer, primary_key=True) name = db.Column(db.String(80)) age = db.Column(db.Integer) @app.route('/db_users', วิธีการ=['GET']) def get_db_users(): age = request.args.get('age') ถ้าอายุ: users = User.query.filter_by(age=int(age)).all() else: users = User.query.all() user_list = [{"id": user.id, "name": user.name, "age": user.age} สำหรับผู้ใช้ในผู้ใช้] ส่งคืน jsonify(user_list) ถ้า __name__ == '__main__': with app.app_context(): db.create_all() app.run(debug=True)
รหัสนี้ใช้ SQLAlchemy เพื่อโต้ตอบกับฐานข้อมูล SQLite ที่filter_byวิธีการช่วยให้คุณสามารถกรองผู้ใช้วัตถุขึ้นอยู่กับอายุคุณลักษณะ.
อีกวิธีหนึ่งคือการใช้มิดเดิลแวร์ มิดเดิลแวร์ใน Flask คือโค้ดที่ทำงานก่อนหรือหลังฟังก์ชันมุมมอง คุณสามารถสร้างมิดเดิลแวร์ที่กำหนดเองเพื่อดำเนินการกรองได้ ตัวอย่างเช่น คุณสามารถสร้างมิดเดิลแวร์ที่จะตรวจสอบพารามิเตอร์การสืบค้นและกรองข้อมูลการตอบสนองตามนั้น
จากการนำเข้าขวด Flask, คำขอ, แอป jsonify = ผู้ใช้ Flask(__name__) = [ {"id": 1, "name": "John", "age": 25}, {"id": 2, "name": "Jane", "age": 30}, {"id": 3, "name": "Doe", "age": 22} ] @app.before_request def filter_users(): if request.endpoint == 'get_users': age = request.args.get('age') if age: global users users = [user for user in users if user['age'] == int(age)] @app.route('/users_middleware', ways=['GET']) def get_users(): return jsonify(users) if __name__ == '__main__': app.run (ดีบั๊ก = จริง)
ในตัวอย่างนี้before_requestมิดเดิลแวร์ตรวจสอบว่าปลายทางที่ร้องขออยู่หรือไม่get_users- ถ้าเป็นเช่นนั้นก็จะกรองผู้ใช้รายการขึ้นอยู่กับอายุพารามิเตอร์แบบสอบถาม


ตอนนี้ เรามาพูดคุยกันเล็กน้อยเกี่ยวกับผลิตภัณฑ์ขวดกรองของเรา เรานำเสนอขวดทดลองคุณภาพสูงที่จำเป็นสำหรับการใช้งานในห้องปฏิบัติการต่างๆ ตัวอย่างเช่นเรามีขวดกรองแก้วใสในห้องปฏิบัติการพร้อมท่อด้านบน- ขวดเหล่านี้ทำจากแก้วใส ซึ่งช่วยให้คุณสามารถตรวจสอบกระบวนการกรองได้อย่างง่ายดาย
อีกหนึ่งผลิตภัณฑ์ที่ยอดเยี่ยมคือของเราErlenmeyer ขวดแก้วทรงกรวยสำหรับห้องปฏิบัติการพร้อมท่อกรองด้านบน- รูปทรงกรวยของขวดเหล่านี้ให้ความเสถียรที่ดีขึ้นในระหว่างกระบวนการกรอง และท่อด้านบนทำให้สะดวกในการเชื่อมต่อกับอุปกรณ์ห้องปฏิบัติการอื่นๆ
หากคุณสนใจที่จะสร้าง API ที่มีประสิทธิภาพด้วยการกรองการตอบสนองที่เหมาะสมใน Flask หรือต้องการขวดกรองคุณภาพสูงสำหรับห้องปฏิบัติการของคุณ เราพร้อมให้ความช่วยเหลือ ไม่ว่าคุณจะเป็นนักพัฒนาที่ต้องการเพิ่มประสิทธิภาพ API ของคุณ หรือนักวิทยาศาสตร์ที่ต้องการแล็บแวร์ที่เชื่อถือได้ เราก็สามารถมอบโซลูชันที่คุณต้องการได้ ติดต่อเราเพื่อหารือเกี่ยวกับการจัดซื้อจัดจ้าง และมาทำงานร่วมกันเพื่อค้นหาสิ่งที่เหมาะสมที่สุดสำหรับความต้องการของคุณ
อ้างอิง
- เอกสารประกอบขวด
- เอกสารประกอบ SQLAlchemy
