کتاب Mastering Flask Web and API Development

از سال ۲۰۰۹، زمانی که شروع به استفاده از این چارچوب برای توسعه پروژه‌های نرم‌افزاری کردم، Flask همچنان یک چارچوب قدرتمند، سبک، یکپارچه و آسان برای استفاده برای توسعه API و وب‌اپلیکیشن با پایتون باقی مانده است. این چارچوب WSGI بدون boilerplate پشتیبانی خود را افزایش داده است و اکنون دارای چندین ابزار برای پشتیبانی از ویژگی‌های مختلف، حتی پیاده‌سازی کامپوننت‌های ناهمزمان است.

بر اساس تجربه من، انعطاف‌پذیری Flask آن را به بهترین ابزار برای ساخت انواع برنامه‌های کاربردی، از تجارت الکترونیک کوچک‌مقیاس تا برنامه‌های کاربردی سازمانی میان‌مقیاس تبدیل می‌کند. این چارچوب همچنین انتخابی ایده‌آل برای پیاده‌سازی برنامه‌های کاربردی علمی، مانند سیستم‌های کالیبراسیون و مانیتورینگ آزمایشگاهی، سیستم‌های پیش‌بینی آب و هوا و بسیاری از برنامه‌های کاربردی دیگر است که به اتوماسیون XLSX و CSV و تولید گزارش و نمودار نیاز دارند.

کتاب Mastering Flask Web and API Development، فلاسک نسخه 3 را به نمایش می‌گذارد و اینکه چگونه تمام مشخصات توسعه نرم‌افزار قبلی من را با نسخه‌های قبلی Flask با استفاده از ویژگی‌های به‌روز ترجمه و ارتقا می‌دهد. امیدوارم این کتاب بتواند به شما در درک Flask 3 و اعمال اجزای آن برای ایجاد راه‌حل‌های جایگزین و ارائه راه‌حل برای مشکلات چالش‌برانگیز دنیای واقعی کمک کند.

کتاب Mastering Flask Web and API Development برای چه کسانی است؟

این کتاب برای توسعه‌دهندگان حرفه‌ای پایتون است که به دنبال درک عمیق‌تری از چارچوب Flask به عنوان راه حلی برای مقابله با چالش‌های سازمانی هستند. همچنین این کتاب برای خوانندگان آگاه به Flask که مشتاق یادگیری بیشتر در مورد قابلیت‌های پیشرفته و ویژگی‌های جدید این چارچوب هستند، یک منبع عالی است.

کتاب Mastering Flask Web and API Development چه چیزی را پوشش می‌دهد

فصل ۱، شیرجه عمیق به چارچوب Flask، Flask را به عنوان یک چارچوب ساده و سبک پایتون برای وب‌اپلیکیشن‌ها معرفی می‌کند و نصب Flask 3 را برای راه‌اندازی توسعه وب‌اپلیکیشن با استفاده از ساختار دایرکتوری غیراستاندارد پروژه با ویژگی‌های اولیه Flask مانند توابع نما (view function)، نماهای مبتنی بر کلاس، اتصال به پایگاه داده، سرور و کتابخانه‌های داخلی Werkzeug و متغیرهای محیطی سفارشی به نمایش می‌گذارد.

فصل ۲ کتاب Mastering Flask Web and API Development، افزودن ویژگی‌های هسته پیشرفته، ویژگی‌های هسته Flask 3 وب‌اپلیکیشن‌ها مانند مدیریت سشن، مدیریت داده با استفاده از نگاشت رابطه‌ای شیء (ORM)، ارائه نما با استفاده از قالب‌های Jinja2، درخشش پیام (flash message)، مدیریت خطا، لاگ‌گیری نرم‌افزار، افزودن محتوای ایستا، و اعمال الگوی بلوک (blueprint) و فکتوری برنامه (application factory) به ساختار پروژه را ارائه می‌دهد.

فصل ۳ کتاب Mastering Flask Web and API Development، ایجاد سرویس‌های وب REST، توسعه API با استفاده از Flask 3 با مدیریت درخواست و پاسخ، پیاده‌سازی رمزگذارها و رمزگشاهای JSON برای تجزیه متن بدنه درخواست ورودی و پاسخ خروجی، دسترسی به زمینه درخواست و برنامه کاربردی با استفاده از رویدادهای @before_request و @after_request، مدیریت استثنا و پیاده‌سازی برنامه‌های کاربردی سرویس‌گیرنده برای استفاده از سرویس‌های REST را معرفی می‌کند.

فصل ۴، استفاده از اکستنشن‌های Flask، نحوه صرفه‌جویی در زمان و تلاش توسعه با استفاده از ماژول‌های مفید و کارآمد Flask به جای معادل‌های پایه‌ای آن‌ها را مورد بحث قرار می‌دهد، مانند Flask-Session برای مدیریت سشن مبتنی بر مرورگر، Bootstrap-Flask برای ارائه لایه ارائه، Flask-WTF برای ساخت فرم‌های وب مبتنی بر مدل، Flask-Caching برای ایجاد حافظه نهان، Flask-Mail برای ارسال ایمیل و Flask-Migrate برای ساختن اسکیم پایگاه داده از مدل‌های داده.

فصل ۵، ساخت تراکنش‌های ناهمزمان، ویژگی‌های ناهمزمان Flask ۳ را توضیح می‌دهد، که شامل ایجاد نمای ناهمزمان و توابع نقطه پایانی API، پیاده‌سازی یک لایه مخزن ناهمزمان با استفاده از SQLAlchemy، ساخت وظایف پس‌زمینه ناهمزمان با استفاده از Celery و Redis، پیاده‌سازی Web-Socket Events و سرور است. SSE) با ابزار‌های asyncio، اعمال سیگنال‌های ناهمزمان برای راه‌اندازی تراکنش‌ها، و اعمال برنامه‌نویسی واکنشی، و Quart را به‌عنوان نوع ASGI Flask ۳ معرفی می‌کند.

فصل ۶ کتاب Mastering Flask Web and API Development، توسعه برنامه‌های محاسباتی و علمی، استفاده از Flask را در ساخت برنامه‌های علمی با بارگذاری XLSX و CSV و گزارش‌های جدولی و گرافیکی با استفاده از کتابخانه‌های محبوب پایتون مانند numpy، pandas، matplotlib، seaborn، scipy و sympy، کتابخانه‌های جاوا اسکریپت مورد بحث قرار می‌دهد. به عنوان Chart. js، Bokeh، و Plotly، ابزار‌های LaTeX برای تولید PDF، Celery و Redis برای محاسبات پس‌زمینه گران‌قیمت، و سایر ابزار‌های علمی مانند جولیا.

فصل ۷، با استفاده از ذخیره‌سازی داده‌های غیر رابطه‌ای، توضیح می‌دهد که چگونه Flask می‌تواند داده‌های غیررابطه‌ای و بزرگ را با استفاده از پایگاه‌های داده معروف NoSQL، مانند Apache HBase/Hadoop، Apache Cassandra، Redis، MongoDB، Couchbase و Neo4J مدیریت کند.

در فصل ۸، ساخت گردش‌های کاری با فلاسک، نحوه پیاده‌سازی گردش‌های کاری غیرBPMN و BPMN با Flask ۳، با استفاده از Celery و Redis، SpiffWorkflow، سرور Zeebe از Camunda، Airflow ۲ و Temporal. io بحث می‌شود.

فصل ۹ کتاب Mastering Flask Web and API Development، ایمن‌سازی برنامه‌های Flask، راه‌های مختلفی را برای ایمن‌سازی برنامه‌های Flask مبتنی بر وب و API ارائه می‌دهد، مانند پیاده‌سازی مکانیسم‌های احراز هویت و مجوز با استفاده از طرح‌های احراز هویت پایه HTTP، Digest و Bearer-token، طرح‌های مجوز OAuth۲، و Flask-Login. ؛ استفاده از کتابخانه‌های رمزگذاری/رمزگشایی و رمزگذاری/رمزگشایی برای محافظت از اعتبار کاربر. استفاده از اعتبار سنجی فرم و بهداشت داده‌ها برای جلوگیری از حملات مختلف وب؛ جایگزینی HTTP با HTTPS ایمن برای اجرای برنامه‌ها. و کنترل هدر‌های پاسخ برای محدود کردن یا محدود کردن دسترسی کاربر.

فصل ۱۰، ایجاد موارد آزمایشی برای Flask، تکنیک‌هایی را برای آزمایش با یا بدون تمسخر مؤلفه‌های Flask ۳، مانند کلاس‌های مدل، تراکنش‌های مخزن، خدمات بومی، توابع نقطه پایانی view و API، اتصال پایگاه داده، فرآیند‌های ناهمزمان و WebSockets با استفاده از چارچوب PyTest.

فصل ۱۱، استقرار برنامه‌های Flask، گزینه‌های مختلف برای استقرار و اجرای یک برنامه وب یا API را مورد بحث قرار می‌دهد که شامل استفاده از Gunicorn برای برنامه‌های فلاسک استاندارد و ناهمزمان، uWSGI، پلتفرم Docker از طریق توسعه‌های Docker Compose و Kubernetes و سرور HTTP Apache است.

فصل ۱۲ کتاب Mastering Flask Web and API Development، یکپارچه‌سازی Flask با سایر ابزار‌ها و چارچوب‌ها، راه حل‌هایی را برای ادغام برنامه‌های Flask در ابزار‌های محبوب مختلف، مانند GraphQL، برنامه‌های کاربردی کلاینت React، و برنامه‌های موبایل Flutter، و برای ساخت برنامه‌های فرعی ساخته شده از Django، FastAPI، Tornado و چارچوب‌های فلاسک در یک برنامه میکروسرویس با استفاده از ویژگی قابلیت همکاری Flask.