热门Python Web 框架的盘点

在学习Python过程中，如果学习Web开发，一般会涉及到Web框架，特别是对于新手，除了主流的Django和Flask，一般不会了解还有哪些框架更能适合自己。今天主要从Github的Star数量进行统计，将热门的开源Python Web框架做下简单的盘点，具体哪个框架适合，还需要根据具体场景做出选择。

热门Python Web Framework

针对以上框架做下简单的总结：

• 大而全：Django
• 小而美：Flask、sanic、bottle

数据报表呈现：streamlit、dash

• 异步支持高并发：fastapi、tornado、sanic、aiohttp
• 前后端分离（API开发）：fastapi、django-rest-framework、falcon、hug

如果让我选择，我会选择斜率（增长率）最高的 FastAPI 与Streamlit 进行学习~

Django

Django 是一个由 Python 编写的开源全栈 Web 框架。它是一个功能强大、灵活、易于使用的框架，适用于各种类型的 Web 应用程序。

Django 具有以下特性：

• 使用模型-视图-控制器（MVC）设计模式，将应用程序逻辑与呈现逻辑分离，使开发人员可以专注于业务逻辑的实现。
• 提供丰富的功能集，包括数据库访问、表单处理、用户认证、安全性、国际化等。
• 具有良好的文档和社区支持。

Django 具有以下优点：

• 开发效率高：Django 提供了大量的功能组件和工具，可以帮助开发人员快速构建 Web 应用程序。
• 代码可维护性高：Django 采用了良好的设计模式和编码规范，可以帮助开发人员编写可维护的代码。
• 安全性高：Django 提供了全面的安全功能，可以帮助开发人员构建安全的 Web 应用程序。

Django 具有以下缺点：

• 学习曲线较陡：Django 提供了大量的功能和特性，对于新手来说可能需要一定的学习时间。
• 灵活性较差：Django 的设计理念是鼓励快速开发，因此灵活性可能不如一些其他框架。

Django 适用于各种类型的 Web 应用程序，包括：

• 博客、新闻网站等静态网站
• 电商网站、社交网站等动态网站
• 企业应用程序
• 后端 API

以下是一些使用 Django 开发的知名应用：

• Instagram
• Pinterest
• The Washington Post
• Disqus
• Bitbucket
• Mozilla

FastAPI

FastAPI 是一个用于构建 API 的现代、快速（高性能）的 web 框架，使用 Python 3.8+ 并基于标准的 Python 类型提示。它是一个开源项目，基于 Starlette 和 Pydantic 库构建而成，提供了强大的功能和高效的性能。

FastAPI 的主要特性包括：

• 高性能：FastAPI 使用最新的 Python 特性和异步编程，提供了快速开发 Web API 的能力。在 benchmark 测试中，FastAPI 的性能与 js 和 Go 相当。
• 快速编码：FastAPI 的代码简洁明了，易于理解和维护。使用 FastAPI，您可以将功能开发速度提高约 200％ 至 300％。
• 更少的错误：FastAPI 提供强大的数据验证功能，可以帮助您减少错误。在校验失败时，FastAPI 会自动生成清晰的错误信息，帮助您快速定位错误。
• 直观：FastAPI 提供自动生成的交互式 API 文档，可以帮助您快速了解 API 的功能。

FastAPI 的优点包括：

• 性能优异：FastAPI 使用异步编程，可以充分利用多核 CPU 的性能，在 benchmark 测试中，FastAPI 的性能与 js 和 Go 相当。
• 开发效率高：FastAPI 的代码简洁明了，易于理解和维护，可以帮助您提高开发效率。
• 错误率低：FastAPI 提供强大的数据验证功能，可以帮助您减少错误。
• 文档丰富：FastAPI 提供自动生成的交互式 API 文档，可以帮助您快速了解 API 的功能。

FastAPI 的缺点包括：

• 学习曲线较陡：FastAPI 提供了许多强大的功能，但也需要一定的学习成本。
• 生态系统尚不完善：FastAPI 是一个相对较新的框架，其生态系统还不如 Flask 或 Django 等成熟框架那么完善。

FastAPI 适用于构建各种 API，如果您正在寻找一个快速、易用且功能强大的 API 框架，那么 FastAPI 是一个不错的选择。

Flask

Flask 是一个由 Python 编写的轻量级 Web 框架。它是一个灵活、易于使用的框架，适用于中小型 Web 应用程序。

Flask 具有以下特性：

• 使用微框架架构，只提供核心服务，使开发人员可以自由地扩展和定制框架。
• 使用 Python 的标准库，开发人员可以快速上手。
• 具有良好的文档和社区支持。

Flask 具有以下优点：

• 开发效率高：Flask 的微框架架构使开发人员可以快速构建 Web 应用程序。
• 灵活性高：Flask 只提供核心服务，开发人员可以根据需要自由地扩展和定制框架。
• 学习曲线较低：Flask 使用 Python 的标准库，开发人员可以快速上手。

Flask 具有以下缺点：

• 功能集较少：Flask 只提供核心服务，因此功能集可能不如一些其他框架。
• 安全性较差：Flask 的设计理念是鼓励灵活性，因此安全性可能不如一些其他框架。

Flask 适用于中小型 Web 应用程序，包括：

• 博客、新闻网站等静态网站
• 小型电商网站、社交网站等动态网站
• 后端 API

以下是一些使用 Flask 开发的知名应用：

• Reddit
• Twitch
• Airbnb
• GitHub
• Spotify

Django 和 Flask 都是 Python 编写的 Web 框架，但它们具有不同的特点。Django 是一个功能强大、灵活、易于使用的全栈 Web 框架，适用于各种类型的 Web 应用程序。Flask 是一个灵活、易于使用的轻量级 Web 框架，适用于中小型 Web 应用程序。

在选择 Web 框架时，您需要考虑以下因素：

• 应用程序的规模和复杂性：如果您的应用程序规模较大或复杂，则需要选择功能强大的框架，如 Django。如果您的应用程序规模较小或简单，则可以选择灵活的框架，如 Flask。
• 开发人员的经验水平：如果您是初学者，则可以选择学习曲线较低的框架，如 Flask。如果您是经验丰富的开发人员，则可以选择功能集较丰富的框架，如 Django。

Streamlit

Streamlit 是一个用于构建数据科学应用程序的 Python 框架，使得创建交互式数据分析和可视化变得更加容易和快速。

特性：

• 简单易用：Streamlit 的 API 设计简单明了，无需编写 HTML 或 CSS 代码即可构建 Web 应用程序。
• 快速迭代：Streamlit 允许用户快速迭代和进行快速原型设计，可以直接从 Jupyter Notebook 进行导入和使用。
• 实时预览：Streamlit 支持实时预览功能，每次代码修改后自动刷新 Web 页面，使得开发更加高效。
• 数据可视化：Streamlit 提供多种数据可视化组件，例如图表、表格、地图等，支持各种第三方库，如 Matplotlib、Bokeh、Plotly 等。
• 组件库：Streamlit 内置了多个组件库，例如文本输入框、滑块、下拉菜单等，允许用户自定义控件。

优点：

• 简单易用：Streamlit 的 API 简单易用，无需编写 HTML 或 CSS 代码，非常适合初学者。
• 快速迭代：Streamlit 可以直接从 Jupyter Notebook 中导入，大大缩短了开发周期。
• 实时预览：Streamlit 支持实时预览功能，能够帮助用户快速调试和查看修改后的结果。
• 数据可视化：Streamlit 提供多样化的数据可视化组件，便于用户进行数据分析和可视化。
• 组件库：Streamlit 内置了多个组件库，能够帮助用户更快速地构建出复杂的 Web 应用程序。

缺点：

适用范围有限：Streamlit 更适用于构建数据科学应用程序，因此并不适用于所有类型的 Web 应用程序。如果需要构建更加复杂的 Web 应用程序，则可能需要考虑其他框架。

Django REST framework

Django REST framework（DRF）是一个基于 Django 框架构建的 Web API 框架，它提供了多种序列化工具、认证机制、请求授权等功能，可以方便地构建出高质量的 Web APIs。

特性：

• API 规范框架：DRF 支持常见的 API 规范框架，如 RESTful、JSON API 等。
• 序列化组件：DRF 内置了多个序列化组件，支持多种格式的数据输出和输入，比如 JSON、XML 等。
• 认证和授权功能：DRF 提供多种身份验证方法和权限控制，包括基本身份验证、令牌身份验证、OAuth2 等。
• 内置视图和渲染器：DRF 内置了多种视图类和渲染器，能够快速创建 API 视图。
• 分页功能：DRF 支持多种分页方式，例如限制记录数、游标分页和滚动分页等。

优点：

• 灵活度高：DRF 提供了一系列的可定制化选项，可以根据需求灵活调整功能。
• 强大的序列化组件：DRF 支持多种数据格式的序列化和反序列化操作，使得开发者在传输数据时更加方便，同时还能自动验证数据有效性，从而提高代码可读性和可维护性。
• 安全性好：DRF 的认证授权功能非常完备，支持多种身份验证和权限管理机制，保证数据的安全性。
• 文档友好：DRF 内置了文档生成器 Swagger 和 ReDoc，可以自动生成 API 文档，节省开发者的时间成本。

缺点：

• 学习曲线较陡峭：相对于 Flask 等其他 Python Web 框架，DRF 的学习曲线可能会更陡峭一些，需要投入更多的时间和精力进行学习和理解。
• 功能略显繁琐：DRF 提供了非常丰富的功能，但有时也可能造成一些不必要的繁琐。因此，在使用 DRF 时需要根据实际需求选择相应的组件和功能。

Tornado

Tornado 是一个基于 Python 的 Web 应用程序框架，由 FriendFeed 的工程师开发。它支持异步 I/O 操作，能够处理大量的并发连接。

特性：

• 高性能：Tornado 支持非阻塞式 I/O 操作，而不是传统的阻塞式操作，因此可以轻松处理成千上万的并发请求。
• 异步 I/O：Tornado 使用异步 I/O 来提高服务器的性能和扩展性。它利用 Python 3.5 中引入的 asyncio 库来实现非阻塞式 I/O 操作。
• WebSocket 支持：Tornado 内置了对 WebSocket 的支持，使得构建实时应用程序更加容易和高效。
• 轻量级：Tornado 的设计理念是尽量减少代码的复杂性和冗余性，因此它是一个轻量级的 Web 框架。
• 安全可靠：Tornado 内置了多种安全机制，如 XSS 和 CSRF 防御等，使得 Web 应用程序更加安全可靠。

优点：

• 高性能：Tornado 使用非阻塞 I/O 和异步编程模型，能够轻松地处理大量的并发请求。
• WebSocket 支持：Tornado 内置了对 WebSocket 的原生支持，使得构建实时应用程序非常方便。
• 安全可靠：Tornado 内置了多种安全功能，包括 XSS 和 CSRF 防御等，使得 Web 应用程序更加安全可靠。
• 轻量级：Tornado 设计简单，代码量相对较小，易于开发和维护。

缺点：

• 学习曲线较陡峭：Tornado 的学习曲线可能会比较陡峭一些。这是因为 Tornado 与其他 Web 框架有所不同，并且需要使用一些新的概念和技术。
• 功能略显单一：相对于 Django 或 Flask 等其他 Web 框架，Tornado 的功能相对单一，适合构建中小型 Web 应用程序并不适用于复杂的应用场景。

Dash

Dash 是一个用于构建仪表盘和 Web 应用程序的 Python 框架，基于 Flask 和 React.js 组件，支持数据可视化、实时数据更新、交互式 UI 和复杂的布局等功能。

特性：

数据可视化：Dash 提供了多种可视化组件，如图表、地图、表格等，它们可以使用 Plotly 等开源库进行定制。

• 实时数据更新：Dash 可以在页面上实时更新数据，无需刷新整个页面，这是因为它是基于 js 构建的。
• 交互式 UI：Dash 的界面非常灵活，支持用户交互和自定义控件，在最终渲染时会根据用户输入进行相应的响应。
• 复杂的布局：Dash 提供了多种嵌套和排列组件的方法，使得您能够创建复杂的布局，以展示各种类型的数据或信息。

优点：

• 快速开发：Dash 基于 Flask 和 js，使用 Python 语言，代码量较少，因此可以快速构建出复杂的 Web 应用程序。
• 数据可视化：Dash 内置了多种数据可视化组件，包括 Plotly 等开源库，使得数据分析和可视化更加容易和高效。
• 实时数据更新：Dash 可以实现实时数据更新，无需刷新整个页面，从而提高用户体验和响应速度。
• 适用范围广：Dash 支持多种应用场景，包括仪表盘、报告、数据分析和可视化、机器学习和人工智能等。

缺点：

• 学习曲线陡峭：Dash 的学习曲线可能有些陡峭，因为它需要同时掌握 Flask 和 js 的知识。因此，需要投入一些时间和精力进行学习和理解。
• 功能略显繁琐：Dash 内置了许多功能，有时候也可能造成一些不必要的繁琐。

Sanic

Sanic 是一个基于 Python 3.6+、asyncio 和 uvloop 的 Web 框架，具有极高的性能，可以处理成千上万的并发请求。Sanic 的 API 类似于 Flask，但底层使用事件循环来实现异步操作。

优点：

• 高性能：Sanic 使用 asyncio 和 uvloop 库实现非阻塞式 I/O 操作和事件驱动，可以轻易处理大量的并发请求。
• 异步 I/O：Sanic 支持异步 I/O 操作，可以利用 Python 3.6+ 中引入的 async/await 关键字来提高服务器的性能和扩展性。
• Flask-Like API：Sanic 的 API 设计类似于 Flask，使得开发者可以轻松上手，并且可以借助 Flask 的插件生态系统来扩展功能。
• 内置路由和模板引擎：Sanic 内置了路由和模板引擎支持，使得开发人员无需安装其他组件就可以构建出完整的 Web 应用程序。

缺点：

• 社区相对较小：相对于 Django 和 Flask 等其他 Python Web 框架，Sanic 的生态圈和社区还比较小，有时可能需要自己解决一些问题。

aiohttp

aiohttp 是一个基于 Python 3.5+ 的 HTTP 客户端/服务器框架，支持 WebSocket、HTTP/2 和 SSL/TLS 等协议。aiohttp 使用 asyncio 库来实现异步 I/O 操作，可以处理大量的并发请求。

特性：

• 高性能：aiohttp 使用 asyncio 库实现非阻塞式 I/O 操作和事件驱动，因此可以轻松地处理大量的并发请求。
• 支持异步 I/O：aiohttp 支持异步 I/O 操作，可以利用 Python 3.5+ 中引入的 async/await 关键字来提高服务器的性能和扩展性。
• WebSocket 支持：aiohttp 内置了对 WebSocket 的支持，使得构建实时应用程序更加容易和高效。
• 大文件上传和下载：aiohttp 可以轻松地处理大文件上传和下载，从而提高用户体验和响应速度。
• Gunicorn/Werkzeug 兼容：aiohttp 支持 Gunicorn 和 Werkzeug，可以使用它们来管理多个 worker 进程。

缺点：

• 学习曲线较陡峭：相对于 Flask 等其他 Python Web 框架，aiohttp 的学习曲线可能会更陡峭一些，需要投入更多的时间和精力进行学习和理解。
• 功能略显繁琐：aiohttp 提供了丰富的功能，但有时也可能造成一些不必要的繁琐。

Falcon

Falcon 是一个 Python Web 框架，专注于构建高性能 API。它由 Kurt Griffiths 创建，并于 2014 年开源。Falcon 的目标是提供一个轻量级、高效、可扩展的 Web 框架。

Falcon 具有以下优点：

• Falcon 非常快速，可以处理大量的并发请求。

Falcon 非常轻巧，整个框架只有几千行代码，并且不需要任何外部依赖。

• Falcon 非常易学易用，使用简单的装饰器语法定义路由和中间件。
• Falcon 支持多种 HTTP 服务器，包括内置的 WSGI 服务器、标准库中的 Wsgiref 服务器以及第三方的 Gunicorn 和 uWSGI 等。
• Falcon 支持多种数据序列化格式，包括 JSON、msgpack、Protobuf 等。

Falcon 框架的基本特性

• Falcon 框架非常小巧，所有核心功能都在一个单一的 .py 文件中。
• Falcon 使用装饰器来定义路由和请求方法，例如 @app.route(‘/’) 和 @app.get(‘/’)。
• Falcon 使用上下文对象来存储和传递数据，例如 request 和 response。
• Falcon 支持自定义中间件，可以实现各种复杂的功能，例如身份验证、授权、缓存等。
• Falcon 支持异步编程模式，并且与 Asyncio 兼容，允许开发人员创建高性能的 Web 应用程序。

缺点：

• 学习曲线较陡峭：尽管 Falcon 框架的文档非常详细，但对于没有 RESTful API 开发经验的人来说，学习曲线可能比较陡峭。此外，Falcon 框架的装饰器语法可能看起来比较奇怪，需要适应一段时间。
• 可扩展性有限：虽然 Falcon 框架支持自定义中间件，并且与 Asyncio 兼容，但在扩展上仍然存在一些限制。如果需要实现非常复杂的功能，可能需要考虑使用其他框架或自己编写代码。
• 缺少标准化：与其他 Web 框架相比，Falcon 的市场份额相对较小。因此，缺乏统一的标准和最佳实践，这可能会导致项目结构和代码规范的不统一性。
• 依赖性较少：虽然 Falcon 没有依赖于其他外部库，但这也意味着它缺乏许多优秀的第三方扩展库，例如 ORM、表单验证等等。
• 框架生命周期短暂：Falcon 框架的开发历史相对较短，并且社区规模相对较小。因此，它可能不能保证长期的更新和支持。

bottle

Bottle 是一个 Python Web 框架，它非常轻巧、易学易用，且不需要任何外部依赖。Bottle 由 Marcel Hellkamp 创建，并于 2009 年开源。Bottle 是一个非常轻量级的 Python Web 框架，非常易学易用，同时也提供了许多高级功能，如模板引擎、数据库集成等。虽然它不如其他流行的 Web 框架如 Flask 和 Django 那么强大，但对于小型项目或快速原型开发来说，它是一个非常不错的选择。

Bottle 具有以下优点：

• Bottle 非常小巧，整个框架只有几百行代码，可以很容易地嵌入到其他应用程序中。
• Bottle 非常易学易用，无需复杂的配置和安装过程，可以立即开始编写 Web 应用程序。
• Bottle 支持多种 HTTP 服务器，包括内置的 Werkzeug 服务器、标准库中的 Wsgiref 服务器以及第三方的 Gunicorn 和 uWSGI 等。
• Bottle 支持模板引擎，包括基于字符串的模板和文件系统的模板，并支持多种模板语言，如 Mako、Jinja2 和 Cheetah 等。

Bottle 框架的基本特性

• Bottle 框架非常小巧，所有核心功能都在一个单一的 .py 文件中。
• Bottle 使用装饰器来定义路由和请求方法，例如 @route(‘/’) 和 @get(‘/’)。
• Bottle 使用上下文对象来存储和传递数据，例如 request 和 response。
• Bottle 支持静态文件服务和文件上传。
• Bottle 可以与许多数据库进行集成，包括 SQLite、MySQL、PostgreSQL 和 MongoDB 等。

缺点：

• 缺乏标准化：与其他 Web 框架相比，Bottle 的市场份额相对较小。因此，缺乏统一的标准和最佳实践，这可能会导致项目结构和代码规范的不统一性。
• 功能相对较少：Bottle 相对于其他流行的 Web 框架如 Flask 和 Django 来说，功能相对较少。如果需要实现复杂的 Web 应用程序，可能需要使用其他框架或自己编写代码。
• 依赖性较少：虽然 Bottle 没有依赖于其他外部库，但这也意味着它缺乏许多优秀的第三方扩展库，例如 ORM、表单验证等等。
• 可扩展性有限：虽然 Bottle 框架支持万能的 WSGI 接口，可以适配许多 HTTP 服务器，但在扩展上仍然存在一些限制。如果需要实现非常复杂的功能，可能需要考虑使用其他框架或自己编写代码。

hug

Hug 是一个 Python 框架，用于快速构建 RESTful API。它最初由 Timothy Crosley 创建，并于 2016 年开源。它提供了许多强大的功能，包括路由、请求参数处理、数据序列化等。

为什么要使用 Hug？

• Hug 是一款非常易于使用的 Python 框架，它具有以下优点:
• Hug 框架的代码很简洁，可以在几分钟内创建出完整的 API 端点
• Hug 的性能非常高，可以处理大量的并发请求
• Hug 支持多种数据类型和序列化方法，包括 JSON, msgpack, BSON 等
• Hug 有详细的文档和示例，易于学习和使用

Hug 框架的基本特性

• Hug 框架通过装饰器来定义 API 路由
• Hug 自动将 URL 参数转换为 Python 函数参数
• Hug 使得 API 函数的返回值可以直接转换为 JSON 格式或其他格式
• Hug 支持中间件，可以实现各种复杂的功能，例如身份验证、授权、缓存等

Hug 是一款优秀的 Python 框架，但它也有一些缺点：

• 依赖性较多：Hug 框架本身虽然很小巧，但在使用时需要注意安装的依赖项。如果项目中大量使用了第三方库，这可能会导致依赖关系变得复杂。
• 学习曲线较陡峭：尽管 Hug 框架的文档非常详细，但对于没有 RESTful API 开发经验的人来说，学习曲线可能比较陡峭。此外，Hug 框架的装饰器语法可能看起来比较奇怪，需要适应一段时间。
• 缺少标准化：与其他 Web 框架相比，Hug 的市场份额相对较小。因此，缺乏统一的标准和最佳实践，这可能会导致项目结构和代码规范的不统一性。
• 可扩展性有限：尽管 Hug 框架提供了中间件功能，但在扩展上仍然存在一些限制。如果需要实现非常复杂的功能，可能需要考虑使用其他框架或自己编写代码。

参考链接：

• sfermigier/awesome-python-web-frameworks: A curated list of awesome Python Web Frameworks (micro, full-stack, REST, etc.) (github.com)