零基础学 Python(2023 版)
尹会生
太乙人工智能技术合伙人 & 项目总监
58748 人已学习
新⼈⾸单¥68
课程目录
已完结/共 124 讲
结束语 & 结课测试 (2讲)
零基础学 Python(2023 版)
登录|注册
留言
2
收藏
沉浸
阅读
分享
手机端
回顶部
当前播放: 104|再回首:“Web开发”单元小结
00:00 / 00:00
高清
  • 高清
1.0x
  • 2.0x
  • 1.5x
  • 1.25x
  • 1.0x
  • 0.75x
  • 0.5x
网页全屏
全屏
00:00
付费课程,可试看
课程介绍:这次我们都做了哪些升级?
内容综述:明确学习目的
01|如何配置 Python 开发环境?
02 | 常用 IDE:如何提高开发效率?
03 | 如何站在官方文档的肩膀上自己“造轮子”?
04 | 怎样运行你的第一行代码?
05 | 怎样使用 Gitee 管理你的代码?
06 | 学习编程有问题?去这里找答案!
07|跨越门槛:Python 开发环境总结及实现原理
08 | 修炼基本功:浅析输入输出
09 | 变量:如何让计算机临时存储数据?
10|字符串(上):Python 是如何处理单词的?
11|字符串(下):Python 是如何处理单词的?
12|存储数字应该采用哪种数据类型?
13|何时使用数,何时使用字符串?
14|注释:如何写程序的说明书?
15|小试牛刀:如何制作简单计算器?
16|变量命名规范:如何编写优雅的程序?
17|告别新手村:Python 编程基础知识
18|内置数据类型包括哪几种?
19|列表如何处理同类数据?
20|常见常新:列表的常见操作
21|元组:如何处理一次性数据?
22|常见常新:集合的常见操作
23|字典:如何处理映射类型的数据?
24|常见常新:字典的常见操作(上)
25|常见常新:字典的常见操作(下)
26|小试牛刀:如何利用类型转换实现手机通讯录?(上)
27|小试牛刀:如何利用类型转换实现手机通讯录?(下)
28|常见的内置数据类型都何时使用?
29|避坑指南:内置数据类型的常见错误
30|内置数据类型参考:如何使用官方文档与帮助?
31|再回首:“内置数据类型”单元小结
32|if 语句:数据流程出现分支时,怎样编写程序?
33|match 语句:如何通过 match 关键字来处理程序的分支逻辑?
34|while 循环:需要多次重复执行某段程序时,怎么做?
35|for 循环:如何遍历一个对象里的所有元素?
36|语句嵌套:如何处理多重循环的问题?
37|小试牛刀:如何设计一个飞机大战的程序?
38|避坑指南:判断和循环中的常见错误
39|再回首:“判断循环”单元小结
40|输入:如何接收用户通过键盘输入的数据?
41|格式化输出:如何将执行结果通过屏幕输出?
42|F-strings:如何通过定义好的格式进行输出?
43 | 常见常新:文件的打开
44|文件编码:如何解决不同操作系统的文件乱码问题?
45|常见常新:文件的读写
46|常见常新:文件的关闭
47|小试牛刀:如何使用 Python 合并多个文件?
48|再回首:“输入输出与文件操作”单元小结
49|函数的定义:如何优雅地反复引用同一段代码?
50|函数的参数:怎样实现函数与外部数据通信?
51|函数的参数:当函数操作对象不固定时怎么处理?
52|函数的返回值:如何得到函数的执行结果?
53|小试牛刀:如何利用函数实现电商购物车功能?
54|避坑指南:列表作为参数传递出错了怎么办?
55|高阶函数:函数对象与函数调用的用法区别
56|装饰器:函数嵌套的定义与调用的区别
57|再回首:“函数”单元小结
58|编程思想不同会导致怎样的代码差异?
59|类与实例:如何使用面向对象的思想编写程序?
60|类的继承:如何解决代码重用的问题?
61|类的装饰器:如何改变类方法的功能?
62|小试牛刀:如何开发自动咖啡机?
63|避坑指南:类的常见错误
64|init 方法:如何为对象传递参数?
65|再回首:“类”单元小结
66 | 模块的导入:如何使用其他人编写好的代码功能?
67 | 标准库:Python 默认提供的便捷功能有哪些?
68 | 自定义模块:如何编写一个完整功能?
69 | 第三方模块的使用:如何使用其他人编写的代码?
70 | 小试牛刀:如何使用 Python 为函数求导?
71|再回首:“模块与标准库”单元小结
72|初识异常:异常的产生与分类
73|异常捕获:出现异常时,如何利用程序进行处理?
74|自定义异常捕获:如何定义业务异常?
75|避坑指南:编写捕获异常程序时经常出现的问题
76|再回首:“异常处理”单元小结
77|扩展数据类型:怎样使用更复杂的数据类型?
78|魔术方法:怎样通过类构造自己需要的数据类型?
79|怎样将 Python 和 C++ 结合起来混合编程?
80|怎样将已有算法改造成符合项目的特定算法?
81|设计模式:怎样合理组合多个函数和类?
82|Redis 数据库:怎样使用 NoSQL 数据库?
83|关系型数据库:怎样使用关系型数据库?
84|计算资源充足时,如何通过并行设计提高效率?
85|多进程间如何通信?
86|再回首:“高级数据类型与算法”单元小结
87|理论盘点:数据分析的流程及对应的 Python 库
88|理论盘点:数据采集的方法与 HTTP 协议
89|理论盘点:任务的并行执行原理
90|理论盘点:非规范化数据处理的基础与正则表达式
91|如何获取网页上的数据并存储到文件?
92|小试牛刀:如何将数据进行图形化展示?
93|再回首:“数据分析”单元小结
94|理论盘点:文件类型与对应的 Python 函数库
95|如何批量读取 Excel 文件?
96|如何实现数据的批量格式转换?
97|如何扩展数据类型?
98|再回首:“办公自动化”单元小结
99|理论盘点:Web 客户端与服务端
100|理论盘点:MVC 模型是什么?
101|如何使用Django搭建简单的Web服务器?
102|如何使用Django-admin实现文章上传?
103|如何使用Django实现文章发布?
104|再回首:“Web开发”单元小结
105|理论盘点:人脸识别的一般步骤
106|理论盘点:人脸识别常用的 Python 库有哪些?
107|怎样通过 OpenCV 采集视频信号?
108|如何训练人脸模型?
109|怎样设计人脸识别系统?
110|再回首:“计算机视觉”单元小结
111|聚焦异同:物联网与互联网有啥不一样?
112|理论盘点:基础但不简单的 TCP 协议
113|理论盘点:物模型与模组
114|如何为 ESP32 安装 MicroPython?
115|怎样通过 MQTT 协议构建消息队列?
116|小试牛刀:在 OLED 屏幕和手机远程同时显示室内温度
117|再回首:“物联网”单元小结
直播加餐|与AI共同编程,用ChatGPT学Python
直播加餐|用OpenAI API理解Python数据类型
直播加餐|掌握Gradio框架:为 AI Agent 程序定制界面
118|结束语:人生苦短,我用Pyhon
结课测试|来赴一场满分之约吧!
本节摘要

你好,我是尹会生。

这一章,我为你介绍了 Python 作为 Web 服务器时,是如何利用 Django 框架快速实现 CMS 系统的。在 Python 的各种应用场景中,Web 服务器场景,称得上是 Python 最主要的应用之一。因为 Web 服务是目前提供业务最主要的途径,且 Python 支持强大的框架,所以很多非电商、抢购等密集请求、响应时间要求不严格的业务,都可以采用 Python 作为开发语言。

如果你使用过其他语言开发 Web 服务程序,你一定会感叹 Python 开发 Web 服务的简便,相同的需求,开发时间至少能减少 30%。之所以能够节省这么多开发时间,除了 Python 本身外,框架也有很大功劳。那么这一讲我想让你在掌握利用 Django Admin 开发 CMS 程序的方法之后,对 Django 框架有一个更深刻的认识,让你未来开发更复杂功能时,更加得心应手。

MTV 开发模式

除了非常好用的 Admin 模块经常被我们用于开发 CMS 系统外,我们还会用 Django 来开发一些内部系统,比如流程系统、自动化测试系统、自动化运维系统、展示看板系统等,这些系统由于结构不同,都不再适合继续采用 Admin 开发。这时,我们需要遵循另一种开发模式——MTV 模式,在 Django 框架基础上重新设计自己的系统。

登录 后留言

全部留言(2)

  • 最新
  • 精选
Cy23
FastAPI 1、自动生成文档:FastAPI 默认自带两个交互式 API 文档 2、验证:校验大部分(甚至所有?)的 Python 数据类型,校验外来类 3、安全性及身份验证:HTTP 基本认证、OAuth2、API 密钥 4、依赖注入:非常强大的依赖注入系统 5、无限制"插件":你可以用和路径操作相同的结构和语法,在两行代码中为你的应用创建一个“插件” 6、测试:100% 测试覆盖。代码库100% 类型注释。用于生产应用。
1
Geek_631607
FastAPI 是一个现代的、快速的(高性能)的 Web 框架,用于构建 APIs,它基于 Python 3.6 类型提示。以下是 FastAPI 在编写 Restful API 方面相比 Django 和 Flask 的一些优点¹²⁴: 1. **性能**:FastAPI 的性能接近于 NodeJS 和 Go,远超过传统的 Python 框架 Django 和 Flask。这是因为 FastAPI 基于 Starlette(用于 Web 部分)和 Pydantic(用于数据部分),这两个组件都是性能最优的。 2. **易用性和灵活性**:FastAPI 提供了非常直观和易于使用的 API,同时保持了非常高的可定制性和可扩展性。这使得 FastAPI 可以适应各种复杂的需求和数据操作。 3. **现代性**:FastAPI 支持现代的异步编程模式,允许你使用 `async` 和 `await` 关键字。这使得你可以编写高效的、非阻塞的代码,特别是在处理大量并发请求时,这是 Django 和 Flask 所不能提供的。 4. **数据验证**:FastAPI 使用 Python 类型提示和 Pydantic 模型来自动验证请求和响应数据,生成错误信息,并生成 JSON Schema 定义。这使得你可以更容易地处理数据,并减少错误。 5. **自动生成文档**:FastAPI 可以自动为你的 API 生成交互式 API 文档。这使得你可以更容易地测试你的 API,并提供给其他开发者使用。 以上就是 FastAPI 在编写 Restful API 方面的一些优点。希望这个答案对你有所帮助! 源: 与必应的对话, 2023/12/12 (1) Choosing between Django, Flask, and FastAPI - Section. https://www.section.io/engineering-education/choosing-between-django-flask-and-fastapi/. (2) Django vs Fast API: A Detailed Comparison - Medium. https://medium.com/@ShortHills_Tech/django-vs-fast-api-a-detailed-comparison-df8d00f3c3b2. (3) Django vs. Flask vs. FastAPI: Choosing the Right Python Web Framework. https://www.mind2i.com/blogs/a-comprehensive-comparison-of-django-flask-and-fastapi-choosing-the-right-python-web-framework-for-your-project-2023-08-03. (4) (2022年10月)新项目选择Django还是FastAPI? - 知乎. https://www.zhihu.com/question/555767637. (5) undefined. https://docs.djangoproject.com/en/4.0/.
收起评论