当前位置:首页 > 文章列表 > 文章 > python教程 > FlaskJWT令牌生成教程详解

FlaskJWT令牌生成教程详解

2026-05-10 23:07:52 0浏览 收藏
本文深入解析了 Flask-JWT-Extended 实战中最易踩坑的四大核心问题:为何 `create_access_token()` 必须传入 JSON-可序列化的 `identity`(如 user_id 而非模型实例)、如何正确配置 `@jwt.user_lookup_loader` 实现安全高效的用户还原、怎样通过自定义错误处理器让 401 响应具备可调试性,以及 access token 与 refresh token 协同使用的完整安全链路——尤其强调 refresh token 的主动作废机制(黑名单)这一常被忽视却至关重要的防线,助你避开身份认证中的典型陷阱,构建健壮可靠的 JWT 鉴权体系。

如何生成Python Flask的JWT身份令牌_使用Flask-JWT-Extended

为什么 create_access_token() 报错说缺少 identity 参数

这是最常卡住的第一步:调用 create_access_token() 时抛出 TypeError: create_access_token() missing 1 required positional argument: 'identity'。它不接受空值或 None,必须传一个能被序列化的标识(比如用户 ID、用户名、字典等)。

关键点在于:identity 是 JWT payload 中的 sub(subject)字段来源,后续所有权限校验都依赖它。Flask-JWT-Extended 不管你用什么做 identity,但它得是 JSON-serializable 的——int、str、dict 都行,但别传数据库模型实例或带方法的对象。

  • ✅ 推荐:传用户主键 user_id(int 或 str),后续在 @jwt.user_lookup_loader 里查库还原用户
  • ⚠️ 慎用:传整个 user.to_dict() 字典——会增大 token 体积,且敏感字段(如密码哈希)容易误塞进去
  • ❌ 错误:传 current_user 对象本身,会触发 TypeError: Object of type User is not JSON serializable

如何让 @jwt.user_lookup_loader 正确加载用户对象

这个装饰器定义的是“token 解析后,怎么根据 identity 找回用户”。它不是可选的——只要用了 get_current_user() 或 current_user,就必须设好它,否则会报 LookupError: No user loader configured。

它的函数签名固定为 def callback(jwt_header, jwt_data),其中 jwt_data['sub'] 就是你当初传给 create_access_token(identity=...) 的值。返回值必须是用户对象(或 None,表示用户不存在)。

  • ✅ 示例:用 SQLAlchemy 查用户
    @jwt.user_lookup_loader
    def user_lookup_callback(_jwt_header, jwt_data):
        identity = jwt_data["sub"]
        return User.query.get(identity)
  • ⚠️ 注意:如果 identity 是字符串用户名,就得用 User.query.filter_by(username=identity).first()
  • ⚠️ 性能提示:这里不适合做复杂查询或 N+1 操作;若需关联角色/权限,建议缓存或预加载,而不是每次 token 校验都 join 表

为什么 @jwt_required() 返回 401 却没提示具体原因

默认情况下,Flask-JWT-Extended 对所有验证失败(过期、签名无效、缺失 header)都统一返回 401 Unauthorized 和空响应体,不利于前端调试。你需要显式配置错误处理器来区分场景。

常见失效类型包括:ExpiredSignatureError、InvalidSignatureError、NoAuthorizationError(header 缺失)、WrongTokenError(用了 refresh token 调 access 接口)等。

  • ✅ 必配:捕获 ExpiredSignatureError 并返回明确信息
    @jwt.expired_token_loader
    def expired_token_callback(jwt_header, jwt_payload):
        return {"error": "token_expired", "message": "Token 已过期"}, 401
  • ✅ 建议:同时配 @jwt.invalid_token_loader 和 @jwt.unauthorized_loader,分别处理签名错误和无 Authorization header 的情况
  • ⚠️ 注意:这些 handler 返回的必须是 (dict, int) 元组,不能只 return dict;否则会触发内部 500

access token 和 refresh token 怎么配合使用才安全

单纯用 create_access_token() 生成短时效 token 是不够的——用户不该频繁重新登录。必须搭配 create_refresh_token() 和 @jwt.refresh_token_required() 实现自动续期,但有三个硬性约束点容易被忽略:

  • ✅ refresh token 必须用独立密钥签名(通过 JWT_REFRESH_TOKEN_EXPIRES 控制其有效期,通常设为 7–30 天)
  • ✅ access token 过期后,前端要用 POST /refresh 提交 refresh token(放在 Authorization: Bearer ),后端用 get_jwt_identity() 获取原用户 identity,再发新 access token
  • ⚠️ 关键安全点:refresh token 一旦使用,应立即作废(例如存入 Redis 黑名单 + 设置过期时间),否则重放攻击风险极高;Flask-JWT-Extended 不自动帮你干这事,得自己实现 @jwt.token_in_blocklist_loader

最常漏掉的是 blocklist 机制——没有它,被盗的 refresh token 就等于永久通行证。

今天带大家了解了的相关知识,希望对你有所帮助;关于文章的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~

智慧城市:未来生活新图景智慧城市:未来生活新图景
上一篇
智慧城市:未来生活新图景
法语de和à怎么用?详解区别与用法
下一篇
法语de和à怎么用?详解区别与用法
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。
    395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。
    476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。
    482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。
    426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。
    253次使用