专栏首页Python乱炖用Python写个在线Python的网站怎么样

用Python写个在线Python的网站怎么样

前几天,一个朋友提出了一个建议,如何用python写出python的解释器,我感觉这是一个很好的问题,于是就去看看,打算用python写一个试试,后来我发现一个事情,python里面的subprocess算是一个很有趣的东西,他可以解释python自己的代码,之后就有个想法了,尝试用subprocess去写一个在线运行python的网站。

那今天我们就来分享一下,如何使用python去写一个在线python吧!

首先,这个东西是结合python的flask框架来完成的。先介绍一下flask框架:

Flask也被称为 “microframework” ,因为它使用简单的核心,用 extension 增加其他功能。Flask没有默认使用的数据库、窗体验证工具。然而,Flask保留了扩增的弹性,可以用Flask-extension加入这些功能:ORM、窗体验证工具、文件上传、各种开放式身份验证技术。

使用终端,运行命令提示符CMD,执行:

pip install Flask

在做我们的工作之前先来了解一下flask框架是怎样的一个运行机制吧:

首先创建一个flaskrun.py文件(先写个demo,后面在这个基础上改改,就可以作为网站后端的接口了)

每个函数的上面都有修饰器,这个就代表他的路由,比如说@app.route('/'),它就指定了,下面这个函数所在的地址是127.0.0.1:5000/(默认端口是5000,可以手动在run方法中修改)

这个文件运行首先我们在没设置app文件的情况下,需要先设置一下,并且开成调试模式,再去运行:

set FLASK_APP=flaskrun.py

set FLASK_DEBUG=1

flask run

run了之后,服务会起了,就会跳出这样的界面。

那我们现在就可以去访问路由了,现在我们想访问index方法,我们就输入路由:

如果我们想访问hello方法,这个时候我们就需要加上/hello的路由了:

这样我们就进入了/hello的方法了,每个方法对应一个路由,包含最后一个post也是一样:

下面我们还要介绍的是报错机制:

在路由或者访问数据不对的情况下,我们一般得不到正确的结果,这个时候我们就需要来看看flask对于错误是如何进行解释的了。

flask对于错误也有个修饰器,叫@app.errorhandler() ,括号里面跟错误代码,例如,无法找到页面就可以这么写:@app.errorhandler(404)

当然还有一些其他的错误,例如400,500,405等错误,我们都可以捕捉:

ok,flask介绍完毕,我们下面进入正轨了,用subprocess来写python了。创建一个文件叫:pyol.py

首先导入要用的包:

import os,sys,subprocess,tempfile,time (敲代码的时候建议大家还是分开敲,连起来写虽然也支持,但是事实上是不规范的,建议分开写)

在这里我们还需要用到临时文件夹,这个文件夹我们在运行python的时候会用到。

TempFile = tempfile.mkdtemp(suffix='_test', prefix='python_')

FileNum = int(time.time()*1000)

下面一点比较关键的是,我们需要用到sys模块里的executable方法来获取python编译器的位置(就是它,才能解读python代码),

EXEC=sys.executable

下面我们需要定义编码方式:

def decode(s):

try:

return s.decode('utf-8')

except UnicodeDecodeError:

return s.decode('gbk')

在默认情况下都是以utf-8的情况下进行编码。

下面我们需要将用户写进来的python代码写入文件:

def write_file(pyname, code):

fpath = os.path.join(TempFile, '%s.py' % pyname)

with open(fpath, 'w', encoding='utf-8') as f:

f.write(code)

print('file path: %s' % fpath)

return fpath

下面我们需要在在一个主函数中定义执行方法,我们此时就需要用到subprocess 的check_output方法返回子进程的输出结果(check_output 是 父进程等待子进程完成,返回子进程向标准输出的输出结果 )

outdata = decode(subprocess.check_output([EXEC, fpath], stderr=subprocess.STDOUT, timeout=5))

将返回结果输出:

r['output'] = outdata

最后退出程序并删除文件:

try:

os.remove(fpath)

except Exception as e:

exit(1)

但是实际上这个临时文件本身也会自动删除,这步其实也算是多余的。这样我们的python就写好了。下面只需要把它加入路由,把用户输入的数据以post的方式提交即可。

我们在flaskrun.py文件里导入以下模块:

from flask import Flask

from flask import request

from flask import Response

import json

import pyol

我们需要定义一个返回的头部:

def Response_headers(content):

resp = Response(content)

resp.headers['Access-Control-Allow-Origin'] = '*'

return resp

之后我们来写post请求的接口:

@app.route('/run',methods=['POST'])

def run():

if request.method == 'POST' and request.form['code']:

code = request.form['code']

print(code)

jsondata = pyol.main(code)

return Response_headers(str(jsondata))

我们指定他的路由为/run,采用post的方式传递数据,调用刚刚写的主函数的执行代码,来执行用户传入的code,最后将执行结果返回给用户。

最后我们运行代码:

if __name__ == '__main__':

app.run(host='0.0.0.0',port=1234,debug=True)

最后完整加上优化后代码如下:

pyol.py

flaskrun.py

我们现在需要借助postman来看一下run的结果,首先我们先run一下代码

(flask run):

之后我们打开postman

瞬间就完成了。

之后我们只要写个前端,把这个接口给前端调就大功告成了!

本文分享自微信公众号 - Python乱炖(Cooking_python),作者:我被狗咬了

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-07-05

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • MachineLearning---Naive Bayes

    第三天机器学习啦!今天我们主要来一个比较“朴素”的算法,朴素贝叶斯(Naive Bayes),至于它为什么朴素我们待会儿再讲吧!

    我被狗咬了
  • 浅谈pyse

    现在都看懂了吧!就是简单的Python和selenium融合,做的二次开发,使用起来比原来的selenium还要简单!

    我被狗咬了
  • python实现简易搜索引擎(含代码)

    通过一个循环抓取当前页面上所有的链接,我们尽可能多的去抓取链接,之所以选择set而不使用list是防止重复的现象,我们可以将爬取的的网站存放到文件或者MySQL...

    我被狗咬了
  • python基本数据类型(三)-字符串拼

    用户2398817
  • 第二十三课 如何部署TRUFFLE智能合约到以太坊主网(以宠物商店为例)1,摘要2, 操作内容3,常见问题和解决方法4, 参考

    通过《第六课 技术小白如何开发一个DAPP区块链应用(以宠物商店为例)》 学习,大家掌握了一个DAPP的编程和以太坊私有测试环境调试,本文做进一步的技术深入学习...

    辉哥
  • 小波变换一之Haar变换

    下面是一个一维信号(一组数):f={2,2,2,4,4,4}f = \{2, 2, 2, 4, 4, 4\}f={2,2,2,4,4,4}

    TheOneGIS
  • 15-成绩分类2

    凯茜的老爸
  • 谷歌元老施密特隐退:传奇落幕 新篇开启

    前谷歌 CEO ,现谷歌母公司 Alphabet 董事会执行主席埃里克·施密特(Eric Schmidt)将卸任,这位一手将谷歌从一个两百名员工的小公司拉扯成世...

    Debian社区
  • 语义分割

    LinkNet: Exploiting Encoder Representations for Efficient Semantic Segmentation

    用户1148525
  • 使用TensorFlow搭建智能开发系统,自动生成App UI代码

    本文目录: 一、我们的现状与期望 二、我们的初级探索及建议 三、智能开发系统的自建之路 四、未完待续 一、我们的现状与期望 ? 首先,我们作为一个移动...

    yuanyi928

扫码关注云+社区

领取腾讯云代金券