一、Flask博客实战 - 实现登录注册功能

上一节我们已经创建了一个用户应用，并创建了用户模型，那么我们这节就开始实现一个简单的用户登录注册功能！

登录注册功能Flask有一个非常优秀的扩展Flask-login，我们可以选择使用这个扩展来实现，但为了学习我们暂时不使用这个第三方扩展，而是选择使用session来实现！

首先，我们需要完善登录的html页面,路径为： app/auth/templates/login.html

代码详解：

这个登陆模板继承了 base.html的样式，这个 base.html中的模块及代码其实就是我们之前实现的首页，只是我们把他作为一个模板基类来继承他！

这段代码中其实就是写了一个输入账号密码的表单，其他多余的代码都是为了实现表单的样式而存在的！

这里要特别说明的是这个input表单必须设置name属性，因为后端要根据此name属性来获取用户输入的值！其他属性则需要大家自行去了解学习！

登录功能的后端逻辑视图,路径为： app/auth/views/auth.py

代码详解：- request.method=='POST'判断当前请求是否为post请求方式- error= None来初始化一个错误变量，如果未通过登录验证，把错误信息通过消息传送到页面提示用户

这段代码首先在数据库通过用户提交的用户名去查询该用户，用户不存在就会返回None返回错误提示，用户存在则判断密码是否正确，这里用到了一个 check_password_hash()的方法，这是用来将密文密码解密后与用户输入密码比对方法，与之对应的有一个 generate_password_hash()的方法用来加密明文密码保存到数据库！

这段代码则是如果没有返回任何错误提示，说明该提交的表单符合我们的要求，并且数据库也存在该用户信息，那么我们只需要清空session，重新将session中的user_id设置为当前登录的id即可！

因此在实现登录注册逻辑之前就必须引入这两个方法：

登录功能虽然实现了，但我们数据库目前还没有任何一个用户，所以此时就应该要去实现用户的注册功能，向数据库新增用户，大概的逻辑是，用户输入用户名及两次密码，先判断该用户是否已经存在，存在则提示更换用户名，不存在则向数据库创建该用户信息，并清空session，重新设置user_id的值为注册用户的id，以达到注册成功后自动登录的目的！

首先，我们需要完善注册的html页面,路径为： app/auth/templates/register.html

这是注册页面的html，大家自行理解下，这里着重说一个我们在视图中通过 flash()传递出来的消息，在模板中由以下代码接收！

注册功能的后端逻辑视图,路径为： app/auth/views/auth.py

这个注册的逻辑基本上涵盖了我们之前所有章节学到的知识点，这里就不再过多地去一一解释代码，大家可自行理解并完善注释！

通过登录和注册功能的实现，我们已经清楚地知道，用户是否登录其实是判断session会话中是否存在用户的id来决定，那么推出登录，我们只需要清除session会话中的用户id即可，这里我们直接选择清空session的方式实现推出功能！

bp.before_app_request()注册一个在视图函数之前运行的函数，无论请求什么 URL。都会先检查用户 ID是否存储在会话中，并从数据库获取该用户的数据，将其存储在 g.user上，该数据在请求期间持续。

注册完这个函数之后，我们就可以在base.html中的导航的右侧通过g.user的返回值，判断用户是否已经登录，显示不同的信息！

对于像下一章节我们要实现的用户中心以及管理后台，则必须是带有权限的访问，基本的权限应该是必须是登录用户，那么所以说对于那些未登录的用户我们需要拒绝访问的功能！

这个其实思路也非常简单，既然在实现模板中调用用户信息的时候，我们把当前登录的用户信息添加到了g对象，那么我们只需要判断g.user的返回值是否为None即可判断用户是否登陆！

到这里关于用户登录注册相关的基本权限问题我们就完成了，注意这些视图函数都在 app/auth/views/auth.py文件中！

二、python flask 怎么组织程序

1.初始化

所有的flask程序都必须创建一个程序实例

web服务器使用wsgi接口协议，把接收客户端的请求都转发给这个程序实例来进行处理。这个程序实例就是flask对象

from flask import Flask

app= Flask(__name__)

#__name__决定程序的根目录，以便以后能找到相对于程序根目录的资源文件位置

2.路由和视图函数

程序实例需要知道接收请求后，需要知道url请求应该运行哪些代码。所以保存了一个url和python函数的映射关系；这个映射关系就叫做路由

flask程序中路由的写法：

2.1#使用app.route装饰器，把修饰的函数注册为路由。例如

@app.route('/')def index(): return"<h1>Hello World</h1>"

#函数的名字不是必须写index的,只是和装饰器关联的时候写的函数名而已

#把index函数注册为程序根路径的处理程序。函数的返回值称为响应，是客户端接收的内容。

像index这样的函数称为试图函数，试图函数返回的响应可以是包含html的简单字符串，也可以是复杂的东西

2.2#可变url部分映射，使用特定的装饰器语法就可以

@app.route('/user/<name>')def user(name): return"<h1>hello%s</h1>"%(name)

装饰器中的<name>指定可变内容为name，name对user(name)函数中的传递参数，这2个部分内容必须一致

调用试图函数时候，flask会自动的将动态部分作为参数传入参数，这个函数中，参数用于生成个人的欢迎信息

#备注：路由中的动态部分默认使用字符串类型，可以使用int,float,path来定义；例如<int:id>;path类型也是字符串，但不把斜线视作分隔符，而将其当做动态片段的一部分

3.启动服务器

调用程序实例app的run方法启动flask集成开发的web服务器

if __name__=="__main__":

app.run(debug=True)

debug=True代表的是调试模式，这个flask自带的run方法开启的服务器不适合在生产中使用，此处只用来测试

4.一个完整的Flask程序

啥也不说，先上例子hello.py

from flask import Flask

app= Flask(__name__)

@app.route('/')def index(): return'<h1>HelloWorld</h1>'@app.route('/user/<name>')def user(name): return"<h1>hello%s</h1>"%nameif __name__=="__main__":

app.run(debug=True)

默认会开启服务器本机5000端口；127.0.0.1:5000

执行脚本python hello.py

浏览器测试

5.请求上下文

Flask使用请求上下文，临时把某些对象变为全局可用；例如

from flask import request

@app.route('/')def index():

user_agent= request.headers.get('User-Agent') return'<h1>your browser is%s</h1>'%(user_agent)

在这个视图函数中，我们把request当做全局变量使用，flask使用请求上下文让特定的变量在一个线程中全局可访问。于此同时却不会干扰其他线程

session:请求上下文；用户会话，用于存储请求之间需要“记住”的值的词典

激活请求上下文的后就可以使用request和session变量了

6.程序上下文

current_app：程序上下文；当前激活程序的程序实例

g：程序上下文；处理请求时用作临时存储的对象

7.请求映射关系表

接收请求，处理请求，，，之间有个映射表，要不然不知道该去执行什么代码。URL映射

from hello import appprint app.url_map

Map([<Rule'/'(HEAD, OPTIONS, GET)-> index>,

<Rule'/static/<filename>'(HEAD, OPTIONS, GET)-> static>,

<Rule'/user/<name>'(HEAD, OPTIONS, GET)-> user>])

8.请求钩子

有的时候在处理请求之前和之后，执行某些特定的代码是很有用的，这就用到了请求钩子

例如在请求之前创建数据库连接或者redis连接；或者是系统里面用户请求处理之前先验证用户的身份，是否激活，激活执行什么*作，没激活用户一直绑到固定页面去直到激活

为了避免每个试图函数中都使用重复的代码，flask提供了注册通用函数的功能；

也就是说只要写一个请求钩子-函数，整个程序实例全局都被应用了。

例如：在所有请求之前先验证下用户的认证状态

@before_app_requestdef before_request(): if current_user.is_authenticated:

current_user.ping() if not current_user.confirmed and request.endpoint[:5]!='auth.' and request.endpoint!='static': return redirect(url_for('auth.unconfirmed'))

常见的4种钩子：

before_first_request：注册一个函数，在处理第一个请求之前运行

before_request:注册一个函数，每次请求之前运行

after_request：注册一个函数，没有未处理的异常抛出，每次请求之后运行

teardown_request:注册一个函数，有未处理的异常抛出，每次请求之后运行

在请求钩子和视图函数之间共享数据一般使用程序上下文g；

例如before_request处理程序可以从数据库中加载已登录用户，将其保存到g.user中，随后调用试图函数，试图函数再从g.user中获取用户

9.基于Flask的http响应

flask调用试图函数处理请求，并把返回值作为响应的内容.大多情况下是一个简单的字符串或者json字符串；返回字符串常用于给对方提供接口的时候使用

http响应中很重要的一个内容是状态码，flask默认设置为200，这个代码表明请求已经被成功处理了

如果试图函数返回的响应需要不同的状态码，可以把状态码加到后面返回

例如

@app.route('/')def index(): return'<h1>Bad Request</h1>',400

试图函数返回的响应还可以接受第三个参数，第三个参数是一个字典类型的首部，可以添加到http响应中去，一般不用添加

如果不想返回这种好多个元素的元祖，可以使用Response对象来标准化下返回。

例如：创建一个响应对象，然后设置cookie

from flask import make_response

@app.route('/')def index():

response= make_response('<h1>This document carries a cookie!</h1>')

response.set_cookie('answer',42) return response

还有一种特殊的响应类型，flask提供了一种基于302的跳转响应，这个响应由redirect函数来提供。指向的地址由Location首部提供，重定向的响应可以使用3个值形式的返回值生成。也可以再Response对象中设定

例如：

from flask import redirect

@app.route('/')def index(): return redirect('htmple')

还有一种特殊的响应类型，flask提供了一种错误响应。这个由abort函数来提供。abort抛出404异常，抛出异常后把控制权移交给web服务器

例如：

from flask import abort

@app.route('/user/<id>')def get_user(id):

user= load_user(id) if not user:

abort(404) return'<h1>Hello,%s</h1>'%(user.name)

10.flask的扩展flask-script

这个例子主要是讲如何把flask扩展添加到程序中，并使用

例如下面你的例子是添加flask-script扩展，使用命令行参数增强程序的功能

使用命令行方式启动web服务器，而不是修改文件，给run方法传递参数

安装扩展

pip install flask-script

使用flask-script扩展，并把hello.py文件改为命令行参数启动的形式#添加的扩展默认会安装到flask.ext命名空间中

from flask import Flaskfrom flask.ext.script import Manager

app= Flask(__name__)

manager= Manager(app)

@app.route('/')def index(): return'<h1>HelloWorld</h1>'@app.route('/user/<name>')def user(name): return"<h1>hello%s</h1>"%nameif __name__=="__main__":

manager.run()

flask-script扩展中添加了一个Manager的类，以上例子中，这个扩展初始化的方法是，把程序实例作为参数传递给构造函数来初始化主类的实例。后续其他flask扩展也基本是这个套路

这样修改之后，程序就可以使用一组基本的命令行选项来启动和调试了

python hello.py shell#在flask应用上下文环境中运行python shell，方便测试和调试web环境

python hello.py runserver#运行flask开发服务器，app.run()

python hello.py-h#显示帮助信息

python hello.py runserver--help

usage: hello.py runserver [-h] [-t HOST] [-p PORT] [--threaded]

[--processes PROCESSES] [--passthrough-errors] [-d]

[-r]

python hello.py runserver-h 0.0.0.0-p 80#这样就开启了本机的80端口，别的机器可以远程访问了

三、python中flask如何降低内存

Dict

在小型程序中，特别是在脚本中，使用Python自带的dict来表示结构信息非常简单方便：

>>> ob={'x':1,'y':2,'z':3}

>>> x= ob['x']

>>> ob['y']= y

由于在Python 3.6中dict的实现采用了一组有序键，因此其结构更为紧凑，更深得人心。但是，让我们看看dict在内容中占用的空间大小：

>>> print(sys.getsizeof(ob))

240

如上所示，dict占用了大量内存，尤其是如果突然虚需要创建大量实例时：

实例数

对象大小

1 000 000

240 Mb

10 000 000

2.40 Gb

100 000 000

24 Gb

类实例

有些人希望将所有东西都封装到类中，他们更喜欢将结构定义为可以通过属性名访问的类：

class Point:

#

def __init__(self, x, y, z):

self.x= x

self.y= y

self.z= z

>>> ob= Point(1,2,3)

>>> x= ob.x

>>> ob.y= y

类实例的结构很有趣：

字段

大小(比特)

PyGC_Head

24

PyObject_HEAD

16

__weakref__

8

__dict__

8

合计：

56

在上表中，__weakref__是该列表的引用，称之为到该对象的弱引用(weak reference)；字段__dict__是该类的实例字典的引用，其中包含实例属性的值(注意在64-**t引用平台中占用8字节)。从Python3.3开始，所有类实例的字典的键都存储在共享空间中。这样就减少了内存中实例的大小：

>>> print(sys.getsizeof(ob), sys.getsizeof(ob.__dict__))

56 112

因此，大量类实例在内存中占用的空间少于常规字典(dict)：

实例数

大小

1 000 000

168 Mb

10 000 000

1.68 Gb

100 000 000

16.8 Gb

不难看出，由于实例的字典很大，所以实例依然占用了大量内存。

带有__slots__的类实例

为了大幅降低内存中类实例的大小，我们可以考虑干掉__dict__和__weakref__。为此，我们可以借助 __slots__：

class Point:

__slots__='x','y','z'

def __init__(self, x, y, z):

self.x= x

self.y= y

self.z= z

>>> ob= Point(1,2,3)

>>> print(sys.getsizeof(ob))

64

如此一来，内存中的对象就明显变小了：

字段

大小(比特)

PyGC_Head

24

PyObject_HEAD

16

x

8

y

8

z

8

总计：

64

在类的定义中使用了__slots__以后，大量实例占据的内存就明显减少了：

实例数

大小

1 000 000

64 Mb

10 000 000

640 Mb

100 000 000

6.4 Gb

目前，这是降低类实例占用内存的主要方式。

这种方式减少内存的原理为：在内存中，对象的标题后面存储的是对象的引用(即属性值)，访问这些属性值可以使用类字典中的特殊描述符：

>>> pprint(Point.__dict__)

mappingproxy(

....................................

'x':,

'y':,

'z':})

为了自动化使用__slots__创建类的过程，你可以使用库namedlist()。namedlist.namedlist函数可以创建带有__slots__的类：

>>> Point= namedlist('Point',('x','y','z'))

还有一个包attrs()，无论使用或不使用__slots__都可以利用这个包自动创建类。

元组

Python还有一个自带的元组(tuple)类型，代表不可修改的数据结构。元组是固定的结构或记录，但它不包含字段名称。你可以利用字段索引访问元组的字段。在创建元组实例时，元组的字段会一次性关联到值对象：

>>> ob=(1,2,3)

>>> x= ob[0]

>>> ob[1]= y# ERROR

元组实例非常紧凑：

>>> print(sys.getsizeof(ob))

72

由于内存中的元组还包含字段数，因此需要占据内存的8个字节，多于带有__slots__的类：

字段

大小(字节)

PyGC_Head

24

PyObject_HEAD

16

ob_size

8

[0]

8

[1]

8

[2]

8

总计：

72

命名元组

由于元组的使用非常广泛，所以终有一天你需要通过名称访问元组。为了满足这种需求，你可以使用模块collections.namedtuple。

namedtuple函数可以自动生成这种类：

>>> Point= namedtuple('Point',('x','y','z'))

如上代码创建了元组的子类，其中还定义了通过名称访问字段的描述符。对于上述示例，访问方式如下：

class Point(tuple):

#

@property

def _get_x(self):

return self[0]

@property

def _get_y(self):

return self[1]

@property

def _get_z(self):

return self[2]

#

def __new__(cls, x, y, z):

return tuple.__new__(cls,(x, y, z))

这种类所有的实例所占用的内存与元组完全相同。但大量的实例占用的内存也会稍稍多一些：

实例数

大小

1 000 000

72 Mb

10 000 000

720 Mb

100 000 000

7.2 Gb

记录类：不带循环GC的可变更命名元组

由于元组及其相应的命名元组类能够生成不可修改的对象，因此类似于ob.x的对象值不能再被赋予其他值，所以有时还需要可修改的命名元组。由于Python没有相当于元组且支持赋值的内置类型，因此人们想了许多办法。在这里我们讨论一下记录类(recordclass，)，它在StackoverFlow上广受好评()。

此外，它还可以将对象占用的内存量减少到与元组对象差不多的水平。

recordclass包引入了类型recordclass.mutabletuple，它几乎等价于元组，但它支持赋值。它会创建几乎与namedtuple完全一致的子类，但支持给属性赋新值(而不需要创建新的实例)。recordclass函数与namedtuple函数类似，可以自动创建这些类：

>>>Point= recordclass('Point',('x','y','z'))

>>>ob= Point(1, 2, 3)

类实例的结构也类似于tuple，但没有PyGC_Head：

字段

大小(字节)

PyObject_HEAD

16

ob_size

8

x

8

y

8

z

8

总计：

48

在默认情况下，recordclass函数会创建一个类，该类不参与垃圾回收机制。一般来说，namedtuple和recordclass都可以生成表示记录或简单数据结构(即非递归结构)的类。在Python中正确使用这二者不会造成循环引用。因此，recordclass生成的类实例默认情况下不包含PyGC_Head片段(这个片段是支持循环垃圾回收机制的必需字段，或者更准确地说，在创建类的PyTypeObject结构中，flags字段默认情况下不会设置Py_TPFLAGS_H**E_GC标志)。

大量实例占用的内存量要小于带有__slots__的类实例：

实例数

大小

1 000 000

48 Mb10 000 000

480 Mb

100 000 000

4.8 Gb

dataobject

recordclass库提出的另一个解决方案的基本想法为：内存结构采用与带__slots__的类实例同样的结构，但不参与循环垃圾回收机制。这种类可以通过recordclass.make_dataclass函数生成：

>>> Point= make_dataclass('Point',('x','y','z'))

这种方式创建的类默认会生成可修改的实例。

另一种方法是从recordclass.dataobject继承：

class Point(dataobject):

x:int

y:int

z:int

这种方法创建的类实例不会参与循环垃圾回收机制。内存中实例的结构与带有__slots__的类相同，但没有PyGC_Head：

字段

大小(字节)

PyObject_HEAD

16

ob_size

8

x

8

y

8

z

8

总计：

48

>>> ob= Point(1,2,3)

>>> print(sys.getsizeof(ob))

40

如果想访问字段，则需要使用特殊的描述符来表示从对象开头算起的偏移量，其位置位于类字典内：

mappingproxy({'__new__':,

.......................................

'x':,

'y':,

'z':})

大量实例占用的内存量在CPython实现中是小的：

实例数

大小

1 000 000

40 Mb

10 000 000

400 Mb

100 000 000

4.0 Gb

Cython

还有一个基于Cython()的方案。该方案的优点是字段可以使用C语言的原子类型。访问字段的描述符可以通过纯Python创建。例如：

cdef class Python:

cdef public int x, y, z

def __init__(self, x, y, z):

self.x= x

self.y= y

self.z= z

本例中实例占用的内存更小：

>>> ob= Point(1,2,3)

>>> print(sys.getsizeof(ob))

32

内存结构如下：

字段

大小(字节)