当前位置:首页 > 文章列表 > 文章 > python教程 > Flask返回JSON数据的正确方式

Flask返回JSON数据的正确方式

2026-01-21 21:36:51 0浏览 收藏

今天golang学习网给大家带来了《Flask返回JSON数据的正确方法》,其中涉及到的知识点包括等等,无论你是小白还是老手,都适合看一看哦~有好的建议也欢迎大家在评论留言,若是看完有所收获,也希望大家能多多点赞支持呀!一起加油学习~

Flask中返回JSON数据首选jsonify函数,它自动设置Content-Type并转换Python对象为JSON格式;支持字典、列表等可序列化类型,建议始终返回字典结构以避免字符串被转为数组;可通过返回元组或使用make_response设置自定义状态码;处理如datetime等非序列化对象时需自定义JSONEncoder;也可用Response对象手动控制响应,但需自行序列化数据。

python flask如何返回json数据_flask框架返回json格式响应的方法

直接来说,在 Flask 中返回 JSON 数据非常简单,主要依赖 jsonify 函数。它能自动设置正确的 Content-Type 头部,并且处理 Python 对象到 JSON 格式的转换。

解决方案

最基础的用法是导入 jsonify,然后将你的数据(字典、列表等)作为参数传递给它,最后从 Flask 路由函数中返回。例如:

from flask import Flask, jsonify

app = Flask(__name__)

@app.route('/api/data')
def get_data():
    data = {'message': 'Hello from Flask!', 'status': 'success'}
    return jsonify(data)

if __name__ == '__main__':
    app.run(debug=True)

这段代码创建了一个简单的 API 端点 /api/data,当你访问这个端点时,你会得到一个包含 message 和 status 的 JSON 响应。

Flask 如何处理非字典类型的 JSON 数据?

jsonify 不仅能处理字典,还能处理列表和其他可序列化为 JSON 的 Python 对象。但如果你直接传递一个字符串给 jsonify,Flask 会自动将其包装成一个 JSON 数组。为了避免这种行为,最好总是返回一个字典,即使你只想返回一个简单的值。例如:

from flask import Flask, jsonify

app = Flask(__name__)

@app.route('/api/message')
def get_message():
    message = "This is a simple message."
    return jsonify({'message': message}) # 始终返回一个字典

if __name__ == '__main__':
    app.run(debug=True)

如何自定义 JSON 响应的状态码?

默认情况下,jsonify 返回的状态码是 200 OK。但你可能需要根据不同的情况返回不同的状态码,例如 400 Bad Request 或 500 Internal Server Error。你可以通过在 jsonify 函数调用后链式调用 make_response 方法来实现。

from flask import Flask, jsonify, make_response

app = Flask(__name__)

@app.route('/api/error')
def handle_error():
    error_data = {'error': 'Something went wrong!'}
    response = jsonify(error_data)
    response.status_code = 500 # 设置状态码为 500
    return response

if __name__ == '__main__':
    app.run(debug=True)

更简洁的方式是直接返回一个元组,其中第一个元素是 JSON 数据,第二个元素是状态码:

from flask import Flask, jsonify

app = Flask(__name__)

@app.route('/api/error_simple')
def handle_error_simple():
    error_data = {'error': 'Another error occurred!'}
    return jsonify(error_data), 400 # 直接返回数据和状态码

if __name__ == '__main__':
    app.run(debug=True)

如何处理 JSON 序列化错误?

有时候,你的数据可能包含无法直接序列化为 JSON 的对象,例如 datetime 对象。在这种情况下,你需要自定义 JSON 编码器。Flask 允许你通过继承 json.JSONEncoder 类并重写 default 方法来实现这一点。

import json
from datetime import datetime
from flask import Flask, jsonify

class CustomJSONEncoder(json.JSONEncoder):
    def default(self, obj):
        if isinstance(obj, datetime):
            return obj.isoformat() # 将 datetime 对象转换为 ISO 8601 字符串
        return super().default(obj)

app = Flask(__name__)
app.json_encoder = CustomJSONEncoder # 设置自定义 JSON 编码器

@app.route('/api/date')
def get_date():
    date_data = {'current_time': datetime.now()}
    return jsonify(date_data)

if __name__ == '__main__':
    app.run(debug=True)

这段代码定义了一个 CustomJSONEncoder 类,它会将 datetime 对象转换为 ISO 8601 格式的字符串。然后,我们将这个自定义编码器赋值给 app.json_encoder,Flask 就会使用它来序列化 JSON 数据。

如何在 Flask 中使用 Response 对象返回 JSON?

虽然 jsonify 很方便,但有时你可能需要更细粒度的控制。这时,你可以直接使用 Flask 的 Response 对象。你需要手动将数据序列化为 JSON 字符串,并设置 Content-Type 头部。

import json
from flask import Flask, Response

app = Flask(__name__)

@app.route('/api/custom')
def get_custom_response():
    data = {'message': 'Custom response!'}
    json_data = json.dumps(data) # 手动序列化为 JSON 字符串
    return Response(json_data, mimetype='application/json') # 创建 Response 对象

if __name__ == '__main__':
    app.run(debug=True)

使用 Response 对象的好处是可以完全控制响应的各个方面,例如头部、状态码和内容类型。但是,你也需要自己处理 JSON 序列化,这可能会增加一些复杂性。

总的来说,jsonify 是 Flask 中返回 JSON 数据的首选方式,因为它简单易用,并且能自动处理许多细节。但是,在需要更高级的控制时,Response 对象也是一个强大的选择。

终于介绍完啦!小伙伴们,这篇关于《Flask返回JSON数据的正确方式》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识,快来关注吧!

CopyMonkey如何生成亚马逊标题,卖点加热词提升搜索量CopyMonkey如何生成亚马逊标题,卖点加热词提升搜索量
上一篇
CopyMonkey如何生成亚马逊标题,卖点加热词提升搜索量
第一试卷网入口与优质资源推荐
下一篇
第一试卷网入口与优质资源推荐
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    255次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    298次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    274次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    252次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    61次使用