python和flask中返回JSON数据的方法

yipeiwu_com6年前Python基础

在python中可以使用json将数据格式化为JSON格式:

1.将字典转换成JSON数据格式:

s=['张三','年龄','姓名'] 
t={} 
t['data']=s 
return json.dumps(t,ensure_ascii=False) 

2.将列表转换成JSON数据格式:

s=['张三','年龄','姓名'] 
return json.dumps(s,ensure_ascii=False) 

使用json转换的在前端显示的数据为JSON字符串。

使用flask的jsonify转换后,在前台显示的为JSON对象:

s=['张三','年龄','姓名'] 
return jsonify(s) 

s=['张三','年龄','姓名'] 
t={} 
t['data']=s 
return jsonify(t) 

需要返回多条记录时:

s=['张三','年龄','姓名'] 
t={} 
for num in range(1,5): 
  t[str(num)]=s 
return jsonify(t) 

或者:

s=['张三','年龄','姓名'] 
t={} 
for num in range(1,5): 
  t[str(num)]=s 
data={} 
data['SUCCESS']='SUCCESS' 
data['data']=t 
return jsonify(data) 

json也可以:

s=['张三','年龄','姓名'] 
t={} 
for num in range(1,5): 
  t[str(num)]=s 
data={} 
data['SUCCESS']='SUCCESS' 
data['data']=t 
return json.dumps(data,ensure_ascii=False) 

对于python的类转JSON,首先在模型文件中导入:

from sqlalchemy.orm import class_mapper 

在模型类中加入一个方法:

def as_dict(obj): 
  # return {c.name: getattr(self, c.name) for c in self.__table__.columns} 
  #上面的有缺陷,表字段和属性不一致会有问题 
  return dict((col.name, getattr(obj, col.name)) \ 
        for col in class_mapper(obj.__class__).mapped_table.c) 

调用:

users=User.query.all(); 
  dict={} 
  for i in users: 
    dict[repr(i.id)]=i.as_dict() 

前端显示:

使用flask+SQLAchemy这个ORM时,定义的模型类不能使用

json.dumps(user, default=lambda o: o.__dict__, sort_keys=True, indent=4)

这种方式格式化。

使用

user.__dict__.keys()获取的属性会多出一个属性。

在python中定义的一般类,如:

class Test(object): 
  def __init__(self,name,age): 
    self.name=name 
    self.age=age 

python中的普通类可以直接格式化:

test=Test('张三',21) 
print(json.dumps(test,default=lambda o: o.__dict__,sort_keys=True, indent=4,ensure_ascii=False)) 

以上这篇python和flask中返回JSON数据的方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持【听图阁-专注于Python设计】。

相关文章

Pytorch之finetune使用详解

finetune分为全局finetune和局部finetune。首先介绍一下局部finetune步骤: 1.固定参数 for name, child in model.named...

python开发游戏的前期准备

python开发游戏的前期准备

本文章面向有一定基础的python学习者,使用Pygame包开发一款简单的游戏 首先打开命令行,使用PyPI下载Pygame包(输入命令pip install pygame) 打开py...

分享一下Python数据分析常用的8款工具

分享一下Python数据分析常用的8款工具

Python是数据处理常用工具,可以处理数量级从几K至几T不等的数据,具有较高的开发效率和可维护性,还具有较强的通用性和跨平台性。Python可用于数据分析,但其单纯依赖Python本身...

Python实现文件复制删除

 用python实现了一个小型的工具。其实只是简单地把debug 目录下的配置文件复制到指定目录,把Release下的生成文件复制到同一指定,过滤掉不需要的文件夹(.svn),...

详解pandas使用drop_duplicates去除DataFrame重复项参数

Pandas之drop_duplicates:去除重复项 方法 DataFrame.drop_duplicates(subset=None, keep='first', inpl...