专注于医院数据分析技术与系统开发的创作与分享。

文章目录前言：fac是什么？“人生苦短，我用Python；Web开发，首选Feffery！”↓↓↓ 今日笔记 ↓↓↓一、开发环境配置1.1 miniconda下载与安装1.1.1 miniconda下载1.1.2 miniconda安装1.2 miniconda创建虚拟环境1.3 安装dash和feffery-antd-components(fac)1.4 配置虚拟环境的解释器二、简单项目示例2.1 页面效果2.2 项目代码前言：fac是什么？feffery-antd-components（简称fa

fastapi额外的模型

使用路径操作装饰器的 response_model 参数来定义响应模型，特别是确保私有数据被过滤掉。使用 response_model_exclude_unset 来仅返回显式设定的值。

同时，HTTP headers 是大小写不敏感的，因此，因此可以使用标准Python样式(也称为 “snake_case”)声明它们。但请记住，当你从 fastapi 导入的 Query、Path、Cookie 或其他参数声明函数，这些实际上是返回特殊类的函数。但是请记得，当你从fastapi导入 Query, Path, Header, 或其他时，实际上导入的是返回特定类型的函数。使用 Header 来声明 header , 使用和 Query, Path 与 Cookie 相同的模式。

费老师开源的fact(feffery_antd_charts)图表库，使用canvas渲染图表，简洁高效。费老师提供了‘downloadTrigger’属性值，对其进行更新，可实现主动下载当前图表为png格式图片的功能，页面会弹出下载窗口，供您保存图表图片。如果需要静默式将图片保存到本地指定目录，不弹出下载窗口，可以通过浏览器端回调函数，将中的内容转换为 Data URI 格式，配合flask的服务器，来实现。主要流程包括：创建服务器接口、浏览器端回调和JS代码。略微有点复杂，特此为记。

【FastAPI-Private-Framework】Day01. 创建python虚拟环境与FastAPI的安装。

基于微信本地OCR引擎（由最新版微信自动安装）。通过Python对其官方调用逻辑进行完整翻译和封装，使开发者可以用简单的API调用其强大的OCR功能。

文章目录一、实际需求二、环境搭建：PyMuPDF一、实际需求pdf转图片，如果只有几页，可以用PS打开，另存即可。如果几十甚至上百页PDF转图片，用PS就会非常痛苦。迅捷之类的也可以，但是收费，所以就有了做这个小工具的愿望。二、环境搭建：PyMuPDFpip install pymupdf(dash-dev) E:\VirtualEnv\feffery>pip install pymupdfCollecting pymupdf Downloading PyMuPDF-1.19.6-

下面是一个路径操作的示例，其中的参数使用了上面的一些类型。

您可以在JSON模式中定义额外的信息。一个常见的用例是添加一个将在文档中显示的example。有几种方法可以声明额外的 JSON 模式信息。

你可以使用 Pydantic 的 Field 为模型属性声明额外的校验和元数据。你还可以使用额外的关键字参数来传递额外的 JSON Schema 元数据。url: strname: str使用 FastAPI 你可以拥有 Pydantic 模型提供的极高灵活性，同时保持代码的简单、简短和优雅。编辑器支持（处处皆可自动补全！数据转换（也被称为解析/序列化）数据校验模式文档自动生成的文档。

文章目录一、混合使用 Path、Query 和请求体参数二、多个请求体参数三、请求体中的单一值四、多个请求体参数和查询参数五、嵌入单个请求体参数六、总结https://fastapi.tiangolo.com/zh/tutorial/body-multiple-params/#_5既然我们已经知道了如何使用 Path 和 Query，下面让我们来了解一下请求体声明的更高级用法。一、混合使用 Path、Query 和请求体参数首先，毫无疑问地，你可以随意地混合使用 Path、Query 和请求体参数声

文章目录main_app.py一、导入 Path二、声明元数据三、按需对参数排序四、按需对参数排序的技巧五、数值校验：大于等于六、数值校验：大于和小于等于七、数值校验：浮点数、大于和小于八、总结https://fastapi.tiangolo.com/zh/tutorial/path-params-numeric-validations/main_app.py'''本模块主要用于修改CDN地址，以解决因国内防火墙导致的docs和redoc打开空白的问题。 本模块是无损解决文档空白问题的方法，

文章目录一、额外的校验1.1 导入 Query二、使用 Query 作为默认值三、添加更多校验四、添加正则表达式五、默认值六、声明为必需参数七、查询参数列表 / 多个值7.1 具有默认值的查询参数列表 / 多个值7.2 使用 list八、声明更多元数据九、别名参数假设十、弃用参数十一、总结https://fastapi.tiangolo.com/zh/tutorial/query-params-str-validations/FastAPI 允许你为参数声明额外的信息和校验。让我们以下面的应用程序为例

文章目录一、导入 Pydantic 的 BaseModel二、创建数据模型三、声明为参数四、结果五、自动化文档六、编辑器支持七、使用模型八、请求体 + 路径参数九、请求体 + 路径参数 + 查询参数十、不使用 Pydantichttps://fastapi.tiangolo.com/zh/tutorial/body/当你需要将数据从客户端（例如浏览器）发送给 API 时，你将其作为「请求体」发送。请求体是客户端发送给 API 的数据。响应体是 API 发送给客户端的数据。你的 API 几乎总是要发送

VirtualBox(VB)虚拟机安装Linux(Ubuntu24.04)FinalShell远程，非Docker安装MySql8、Redis7、PostgreSQL16

文章目录https://fastapi.tiangolo.com/zh/tutorial/query-params/声明不属于路径参数的其他函数参数时，它们将被自动解释为"查询字符串"参数from fastapi import FastAPIapp = FastAPI()fake_items_db = [{“item_name”: “Foo”}, {“item_name”: “Bar”}, {“item_name”: “Baz”}]@app.get(“/items/”)async def re

文章目录一、基本路径参数二、有类型的路径参数2.1 规定参数类型2.1 数据转换2.2 数据校验三、文档3.1 常用文档3.2 基于标准的好处：可选文档四、Pydantic4.1 顺序很重要4.2 预设值4.2.1 创建一个 Enum 类4.2.2 声明路径参数4.2.3 使用 Python 枚举类型4.2.3.1 比较枚举成员4.2.3.2 获取枚举值4.2.3.3 返回枚举成员4.2.3.4 枚举类型完整代码与演示4.3 包含路径的路径参数4.3.1 OpenAPI 支持4.3.2 路径转换器五、本节总

文章目录一、安装 FastAPI1.1 进入虚拟环境1.2 安装FastAPI及所有相关依赖1.3 可以分开来安装二、第一步2.1 最简单的FastAPI应用2.2 uvicorn.run() 常用参数2.3 交互式 API 文档2.3.1 docs文档（由 Swagger UI 提供）2.3.2 docs文档空白解决方案2.3.2.1 解决方法1：更新FastAPI2.3.2.2 解决方法2：将国外的静态资源文件下载到本地一、安装 FastAPI1.1 进入虚拟环境conda activate da

文章目录一、官网二、FastAPI是什么三、FastAPI特性3.1 基于开放标准3.2 自动生成文档3.3 更主流的 Python3.4 编辑器支持3.5 简洁3.6 验证3.7 安全性及身份验证¶3.8 依赖注入3.9 无限制"插件"3.10 测试四、Starlette 特性五、Pydantic 特性六、Python 类型提示简介6.1 动机6.1.1 简单示例6.1.2 修改示例6.1.3 添加类型6.2 更多动机6.3 声明类型6.3.1 简单类型6.3.2 嵌套类型6.3.2.1 列表6.3.2.

文章目录前言：fac是什么？“人生苦短，我用Python；Web开发，首选Feffery！”↓↓↓ 今日笔记 ↓↓↓一、dash应用使用cdn加载静态资源1.1 页面效果1.2 项目源码二、相关知识前言：fac是什么？feffery-antd-components（简称fac），是国内大佬费弗里(Feffery)老师基于著名的React UI组件库ant design进行二次开发，将ant design中的诸多实用组件及特性引入Dash，帮助开发者使用极低的纯Python代码量，即可快速开发出现代化

这是一个展示PySide6小例子的系列专题，建议创建单独的虚拟环境演示复现。建议复制到下载并安装MiniConda创建虚拟环境激活虚拟环境安装依赖当然您也可以使用您熟悉的工具和步骤，来实现同样的效果，我只是按个人习惯给您一点建议。。

这是一个展示PySide6小例子的系列专题，建议创建单独的虚拟环境演示复现。建议复制到下载并安装MiniConda创建虚拟环境激活虚拟环境安装依赖当然您也可以使用您熟悉的工具和步骤，来实现同样的效果，我只是按个人习惯给您一点建议。

查询生成器Peewee 的高层Model和FieldAPI 是建立在低层Table和Column对应物之上的。虽然这些较低级别的 API 没有像高级 API 那样详细记录，但本文档将提供一个概述，其中包含示例，希望您可以进行实验。我们将使用以下架构：CREATE TABLE “person” (“id” INTEGER NOT NULL PRIMARY KEY,“first” TEXT NOT NULL,“last” TEXT NOT NULL);CREATE TABLE “note” (“

文章目录14.6.13 列出每个指定设施的预订总小时数 List the total hours booked per named facility14.6.14 列出每位会员在 2012 年 9 月 1 日之后的首次预订 List each member’s first booking after September 1st 201214.6.15 生成成员名称列表，每行包含成员总数 Produce a list of member names, with each row containing the

文章目录14.6 聚合14.6.1 计算设施数量 Count the number of facilities14.6.2 计算昂贵设施的数量 Count the number of expensive facilities14.6.3 计算每个成员提出的建议数量。Count the number of recommendations each member makes.14.6.4 列出每个设施预订的总空位 List the total slots booked per facility14.6.5 列出

PyMuPDF 操作手册 - 10 API - Pixmap属性方法和简短说明

PyMuPDF 操作手册 - 09 API - Page属性方法和简短说明

PyMuPDF 操作手册 - 08 API - Document属性方法和简短说明

PyMuPDF 操作手册 - 07 PDF的加密与解密

PyMuPDF 操作手册 - 06 PDF的转换等

PyMuPDF 操作手册 - 05 PDF的OCR识别等

【Python百日进阶-Web开发-Feffery】Day453 - fac实例：dash+FastAPI实现前后端分离的文件上传

PyMuPDF 操作手册 - 04 PDF页面的编辑、插入、删除

PyMuPDF 操作手册 - 03 PDF 页面的合并、拆分、旋转、裁剪和复制

PyMuPDF Ver 1.24.4 操作手册 - 02 PDF 中图像的提取、插入、创建等

PyMuPDF Ver 1.24.4 操作手册 - 01 从PDF中提取文本

使用NLTK,Natural Language Toolkit(Python自然语言工具包)对“PyMuPDF、Pillow和pytesseract实现PDF文件中文OCR识别”的改进

使用PyMuPDF（也称为fitz）、Pillow和pytesseract实现PDF文件中文OCR识别

文章目录一、plotly.io.to_image1.1 语法1.2 参数1.3 返回值二、plotly.io.write_image2.1 语法2.2 参数2.3 返回值三、plotly.io.to_json3.1 语法3.2 参数3.3 返回值四、plotly.io.from_json4.1 语法4.2 参数4.3 返回值五、plotly.io.read_json5.1 语法5.2 参数5.3 返回值六、plotly.io.write_json6.1 语法6.2 参数6.3 返回值七、plotly.io.