1.关于flask的码解jsonify与json.dumps的一些追溯和思考
2.Python - 一文入门Flask(Blueprint、SQLAlchemy部分）
3.在flask中使用jsonify和json.dumps的区别

关于flask的码解jsonify与json.dumps的一些追溯和思考

       有一天，我遇到了一个服务器报警问题，码解追踪错误栈时，码解发现是码解由于在使用 Flask 的 jsonify 函数时传入的字典中混入了 string 和 int 类型的键导致的。修改数据后，码解udp 穿透源码我开始思考这一设计背后的码解逻辑以及为何会如此设定。源码追溯路径指向 JSONDecoder、码解flask.json.__init__.py 及 _dump_arg_defaults。码解分析这部分源码，码解我发现项目使用的码解是继承自 Flask 的 JSONDecoder，稍作修改以兼容如 bson.ObjectId 和 datetime 等数据类型，码解其主体基于标准库中的码解 JSONEncoder。

       进一步深入 JSONEncoder 的码解源码，我发现 sort_keys 的码解使用在 JSONEncoder._iterencode_dict 中。此时，我开始思考是否可以修改为始终使用默认的 False，以确保 key 为纯字符串。然而，官方为何没有选择这一方案？我开始在 GitHub 上寻找答案，最终在 issue 中找到了线索。linux python源码封装在 Python 2 中确实如我所想，但在 Python 3 中，设计发生了改变。大佬们解释了背后的理由。

       深入思考后，我倾向于支持 Python 3 的设计选择。首先，明确数据处理逻辑（如是否排序）是至关重要的。这里，我认为 Flask 的工具易语言源码默认设置为 False 是个错误，应该与标准库保持一致。其次，确保数据类型的一致性是动态语言的局限性之一，这也是我越来越偏爱 Go 的原因。

       从工作角度来看，我得出以下思考：永远不要依赖传入的数据，务必进行验证，尤其是在关键业务中。这不仅是对 Flask 设计的反思，也是熊猫办公PPT源码对编程实践的提醒，强调了数据验证和明确数据处理逻辑的重要性。

Python - 一文入门Flask(Blueprint、SQLAlchemy部分）

       本文将简要介绍如何入门Flask，包括安装准备、路由实现、Blueprint和SQLAlchemy的实践。首先，从安装Flask和pipenv开始，然后逐步构建项目结构，实现Web路由功能和数据库操作。域名展示平台源码

       在PyCharm的环境配置部分，这里主要关注代码实现，而不是环境设置。在项目实践中，Flask的核心是通过App初始化时绑定Blueprint实现路由。首先，创建一个入口文件，负责实例化App并初始化配置、控制器和数据库。

       启动文件中，需要进行判断逻辑的引入，这是为了优化程序运行。Flask路由功能是通过蓝图实现的，需要在入口文件中注册蓝图。每个路由器可以使用装载器优化，如在api文件中的示例所示。

       完成路由后，我们转向数据库操作，Flask推荐使用SQLAlchemy处理。安装Flask-SQLAlchemy和PyMySQL，便于与MySQL数据库的交互。定义数据库操作的基类和公共方法，减少代码重复。

       在入口文件中，通过SQLALCHEMY_DATABASE_URI配置数据库连接，使用with关键字确保资源的正确管理和释放。在model模块中，定义模型、常量和数据库操作方法，这些在路由中会被使用。

       关于SQLAlchemy的Mysql编码和列类型，可能需要进行一些优化，包括默认值、索引设置和兼容不同列类型。Python源码提供了详细的设置指导，例如TinyINT类型和VARCHAR的使用。

       最后，自定义数据库名和字符集编码时，可以使用__tablename__和字符集设置。编程中，阅读源码注释和示例可以帮助更好地理解和学习。

在flask中使用jsonify和json.dumps的区别

       1.Content-Type有区别

       jsonify的作用实际上就是将我们传入的json形式数据序列化成为json字符串，作为响应的body，并且设置响应的Content-Type为application/json，构造出响应返回至客户端。jsonify的部分源码如下：

       def jsonify(*args, **kwargs):

       if __debug__:

       _assert_have_json()

       return current_app.response_class(json.dumps(dict(*args, **kwargs),

       indent=None if request.is_xhr else 2), mimetype='application/json')

       å¯ä»¥çœ‹å‡ºjsonify实际上也是使用了json.dumps来序列化json形式的数据，作为响应正文返回。indent表示json格式化的缩进，若是Ajax请求则不缩进（因为一般Ajax数据没必要直接展示），否则缩进2格。但想必从第一部分的实验结果我们已经看出来了，使用jsonify时响应的Content-Type字段值为application/json，而使用json.dumps时该字段值为text/html。Content-Type决定了接收数据的一方如何看待数据，如何处理数据，如果是application/json，则可以直接当做json对象处理，若是text/html，则还要将文本对象转化为json对象再做处理（个人理解，有误请指正）。

       2.接受参数有区别

       jsonify可以接受和python中的dict构造器同样的参数，如下图。

       è€Œjson.dumps比jsonify可以多接受list类型和一些其他类型的参数。但我试了一下，形式为key1=value1，[key2=value2,...]这样的参数是不行的，会报出“TypeError: dumps() takes exactly 1 argument (0 given)”这一错误，而jsonify不会报错并能正常返回数据。

       æœ€åŽï¼Œæˆ‘们可以使用flask中的make_response方法或者直接通过Response类，通过设置mimetype参数来达到和使用jsonify差不多的效果，但少写点代码何乐而不为呢？况且简洁一点更不容易出错，参数越多调试和维护就越麻烦。当然，使用哪个并不是绝对的，必要时要根据前端的数据处理方式来决定。