如何使用python开发一个api？

去年春节期间，没事报了一个pythonweb开发的网络课程，根据自己的学习情况来回答一下。一个页面的开发，应该是分前端和后端的。关于后端在python中有两个最常见的开发框架：Django，flask。Django大而全，什么功能模块都已经封装好了，调用即可；flask小而精，没有很高的封装，但是有许多功能模块，需要我们自己去集成。

当初学习的那个网络课程是用flask框架来做的，上手很简单：当初学习的时候能写一个小的网站，本来想转行做python后端开发的，但是后来还是接着做数据挖掘了，许久不用，倒是有点生疏了。总得来说，有几大模块：路由route()装饰器把一个函数绑定到对应的URL上，Flask的URL规则基于Werkzeug的路由模块。

这个模块背后的思想是基于Apache以及更早的>

当然你也可以使用其他的模板引擎，但是建议你还是使用jinja2模板请求对象request你可以使用全局request对象访问进入的请求数据。Flask处理进入的请求数据并允许你用这个全局对象访问它。如果你工作在多线程环境，Flask内部保证你总会在当前线程上获取正确的数据。

数据库交互-Flask-SQLAlchemy通过sqlalchemy对数据库增删改查，使用的是orm模式，不需要写SQL语句。在数据库中，一个表就是一个python类，一个类的实例就是表中的行。在开发过程中，会用到一些python的高级应用：装饰器：在权限验证的时候很需要用到模块的导入：防止循环导入图像处理：验证码生成property使用：密码加密时使用关于前端如果对前端不熟，想做一个小网站练练手，推荐你使用Bootstrap里面有各种的CSS样式，各种组件，JS插件，还有一些网站实例供你参考，对前端HTML,CSS不是很熟悉的，可以通过这略微修改快速搭建一个前端页面。

后记：将来的数据挖掘工作者可能也需要懂网站后端开发，因为以后建模不会一直都是在单机中，可能会集成到网站中，实时数据流入模型，结果展示在网站上。

Python拥有一个强大的标准库。Python语言的核心只包含数字、字符串、列表、字典、文件等常见类型和函数，而由Python标准库提供了系统管理、网络通信、文本处理、数据库接口、图形系统、XML处理等额外的功能。
Python标准库的主要功能有：
文本处理，包含文本格式化、正则表达式匹配、文本差异计算与合并、Unicode支持，二进制数据处理等功能。
文件处理，包含文件 *** 作、创建临时文件、文件压缩与归档、 *** 作配置文件等功能。
*** 作系统功能，包含线程与进程支持、IO复用、日期与时间处理、调用系统函数、日志等功能
网络通信，包含网络套接字，SSL加密通信、异步网络通信等功能。
网络协议，支持>python爬虫框架概述
爬虫框架中比较好用的是 Scrapy 和PySpider。pyspider上手更简单， *** 作更加简便，因为它增加了 WEB 界面，写爬虫迅速，集成了phantomjs，可以用来抓取js渲染的页面。Scrapy自定义程度高，比 PySpider更底层一些，适合学习研究，需要学习的相关知识多，不过自己拿来研究分布式和多线程等等是非常合适的。
PySpider
PySpider是binux做的一个爬虫架构的开源化实现。主要的功能需求是：
抓取、更新调度多站点的特定的页面
需要对页面进行结构化信息提取
灵活可扩展，稳定可监控
pyspider的设计基础是：以python脚本驱动的抓取环模型爬虫
通过python脚本进行结构化信息的提取，follow链接调度抓取控制，实现最大的灵活性
通过web化的脚本编写、调试环境。web展现调度状态
抓取环模型成熟稳定，模块间相互独立，通过消息队列连接，从单进程到多机分布式灵活拓展
pyspider的架构主要分为 scheduler（调度器）, fetcher（抓取器）, processor（脚本执行）：
各个组件间使用消息队列连接，除了scheduler是单点的，fetcher 和 processor 都是可以多实例分布式部署的。 scheduler 负责整体的调度控制
任务由 scheduler 发起调度，fetcher 抓取网页内容， processor 执行预先编写的python脚本，输出结果或产生新的提链任务（发往 scheduler），形成闭环。
每个脚本可以灵活使用各种python库对页面进行解析，使用框架API控制下一步抓取动作，通过设置回调控制解析动作。
Scrapy
Scrapy是一个为了爬取网站数据，提取结构性数据而编写的应用框架。 可以应用在包括数据挖掘，信息处理或存储历史数据等一系列的程序中。
其最初是为了页面抓取 (更确切来说, 网络抓取 )所设计的， 也可以应用在获取API所返回的数据(例如 Amazon Associates Web Services ) 或者通用的网络爬虫。Scrapy用途广泛，可以用于数据挖掘、监测和自动化测试
Scrapy主要包括了以下组件：
引擎(Scrapy): 用来处理整个系统的数据流处理, 触发事务(框架核心)
调度器(Scheduler): 用来接受引擎发过来的请求, 压入队列中, 并在引擎再次请求的时候返回 可以想像成一个URL（抓取网页的网址或者说是链接）的优先队列, 由它来决定下一个要抓取的网址是什么, 同时去除重复的网址
下载器(Downloader): 用于下载网页内容, 并将网页内容返回给蜘蛛(Scrapy下载器是建立在twisted这个高效的异步模型上的)
爬虫(Spiders): 爬虫是主要干活的, 用于从特定的网页中提取自己需要的信息, 即所谓的实体(Item)。用户也可以从中提取出链接,让Scrapy继续抓取下一个页面
项目管道(Pipeline): 负责处理爬虫从网页中抽取的实体，主要的功能是持久化实体、验证实体的有效性、清除不需要的信息。当页面被爬虫解析后，将被发送到项目管道，并经过几个特定的次序处理数据。
下载器中间件(Downloader Middlewares): 位于Scrapy引擎和下载器之间的框架，主要是处理Scrapy引擎与下载器之间的请求及响应。
爬虫中间件(Spider Middlewares): 介于Scrapy引擎和爬虫之间的框架，主要工作是处理蜘蛛的响应输入和请求输出。
调度中间件(Scheduler Middewares): 介于Scrapy引擎和调度之间的中间件，从Scrapy引擎发送到调度的请求和响应。
Scrapy运行流程大概如下：
首先，引擎从调度器中取出一个链接(URL)用于接下来的抓取
引擎把URL封装成一个请求(Request)传给下载器，下载器把资源下载下来，并封装成应答包(Response)
然后，爬虫解析Response
若是解析出实体（Item）,则交给实体管道进行进一步的处理。
若是解析出的是链接（URL）,则把URL交给Scheduler等待抓取

​ 之前我们介绍过在python中写socket，当然那样还是太麻烦，有没有像pc端apache一样的支持n多功能，牛逼的现成服务器软件呢？ 这时MicroWebSrv闪亮登场！！！

​ MicroWebSrv 是一个在MicroPython平台上支持websocket，html/python，路由功能的微型>