pembangunan bahagian belakang
Tutorial Python
Bagaimana untuk Muat Turun Fail selepas Menyiarkan Data Menggunakan FastAPI?
Bagaimana untuk Muat Turun Fail selepas Menyiarkan Data Menggunakan FastAPI?
Bagaimana untuk Muat Turun Fail selepas Menyiarkan Data menggunakan FastAPI?
Apabila bekerja dengan FastAPI dan pengendalian fail, satu tugas biasa adalah untuk membolehkan pengguna memuat turun fail selepas menyerahkan data melalui permintaan POST. Ini boleh dicapai dengan menggunakan kelas FileResponse dan memastikan konfigurasi pengepala dan jenis kandungan yang betul.
Dalam kod yang disediakan di bawah, kami akan menunjukkan cara menyediakan titik akhir POST yang memproses data dan mengembalikan audio fail (MP3) untuk dimuat turun. Kami akan menggunakan jenis data Borang untuk menangkap input pengguna dan menjana fail audio.
Pilihan 1: Menggunakan Titik Akhir Muat Turun Berasingan
Dalam pendekatan ini, kami akan mencipta titik akhir yang berasingan untuk mengendalikan muat turun fail.
<code class="python">from fastapi import FastAPI, Request, Form, File, UploadFile
from fastapi.responses import FileResponse, HTMLResponse
from fastapi.templating import Jinja2Templates
from gtts import gTTS
app = FastAPI()
templates = Jinja2Templates(directory="templates")
def text_to_speech(language: str, text: str) -> str:
tts = gTTS(text=text, lang=language, slow=False)
filepath = "temp/welcome.mp3"
tts.save(filepath)
return f"Text to speech conversion successful to {filepath}"
@app.get("/")
def home(request: Request):
return templates.TemplateResponse("index.html", {"request": request})
@app.post("/text2speech")
def text2speech(request: Request, message: str = Form(...), language: str = Form(...)):
if message and language:
output = text_to_speech(language, message)
path = "temp/welcome.mp3"
filename = os.path.basename(path)
headers = {"Content-Disposition": f"attachment; filename={filename}"}
return FileResponse(path, headers=headers, media_type="audio/mp3")</code>Titik akhir GET berfungsi sebagai halaman utama, manakala titik akhir POST mengendalikan input pengguna dan menjana fail audio. FileResponse menguruskan menetapkan pengepala yang sesuai untuk muat turun fail.
Dalam templat anda, anda boleh menambah pautan untuk mencetuskan muat turun fail:
<code class="html"><!DOCTYPE html>
<html>
<head>
<title>Download File</title>
</head>
<body>
<a href="{{ url_for('text2speech') }}">Download File</a>
</body>
</html></code>Pilihan 2: Fail In-Endpoint Muat turun
Sebagai alternatif, anda boleh mengendalikan muat turun fail dalam titik akhir yang sama yang memproses data:
<code class="python">from fastapi import FastAPI, Request, Form
app = FastAPI()
def text_to_speech(language: str, text: str) -> str:
tts = gTTS(text=text, lang=language, slow=False)
filepath = "temp/welcome.mp3"
tts.save(filepath)
return f"Text to speech conversion successful to {filepath}"
@app.post("/text2speech")
def text2speech(request: Request, message: str = Form(...), language: str = Form(...)):
output = text_to_speech(language, message)
return {"filepath": filepath}</code>Dalam templat anda, anda boleh menggunakan JavaScript untuk mencetuskan muat turun fail menggunakan laluan fail yang dikembalikan daripada titik akhir:
<code class="html"><script>
const filepath = "{{ filepath }}";
window.location.href = filepath;
</script></code>Mengendalikan Fail Besar
Untuk fail yang melebihi had memori, anda boleh menggunakan StreamingResponse:
<code class="python">from fastapi.responses import StreamingResponse
@app.post("/text2speech")
def text2speech(request: Request, message: str = Form(...), language: str = Form(...)):
...
def iterfile():
with open(filepath, "rb") as f:
yield from f
headers = {"Content-Disposition": f"attachment; filename={filename}"}
return StreamingResponse(iterfile(), headers=headers, media_type="audio/mp3")</code>Memadam Fail Selepas Muat Turun
Untuk mengelakkan pengumpulan ruang cakera, adalah amalan yang baik untuk memadam fail selepas ia dimuat turun. Menggunakan BackgroundTasks, anda boleh menjadualkan pemadaman fail sebagai tugas latar belakang:
<code class="python">from fastapi import BackgroundTasks
@app.post("/text2speech")
def text2speech(request: Request, background_tasks: BackgroundTasks, ...):
...
background_tasks.add_task(os.remove, path=filepath)
return FileResponse(filepath, headers=headers, media_type="audio/mp3")</code>Atas ialah kandungan terperinci Bagaimana untuk Muat Turun Fail selepas Menyiarkan Data Menggunakan FastAPI?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!
Alat AI Hot
Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik
AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.
Undress AI Tool
Gambar buka pakaian secara percuma
Clothoff.io
Penyingkiran pakaian AI
Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!
Artikel Panas
Alat panas
Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma
SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan
Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa
Dreamweaver CS6
Alat pembangunan web visual
SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)
Topik panas
1670
14
1428
52
1329
25
1274
29
1256
24
Python vs C: Lengkung pembelajaran dan kemudahan penggunaan
Apr 19, 2025 am 12:20 AM
Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.
Python dan Masa: Memanfaatkan masa belajar anda
Apr 14, 2025 am 12:02 AM
Untuk memaksimumkan kecekapan pembelajaran Python dalam masa yang terhad, anda boleh menggunakan modul, masa, dan modul Python. 1. Modul DateTime digunakan untuk merakam dan merancang masa pembelajaran. 2. Modul Masa membantu menetapkan kajian dan masa rehat. 3. Modul Jadual secara automatik mengatur tugas pembelajaran mingguan.
Python vs C: Meneroka Prestasi dan Kecekapan
Apr 18, 2025 am 12:20 AM
Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.
Pembelajaran Python: Adakah 2 jam kajian harian mencukupi?
Apr 18, 2025 am 12:22 AM
Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.
Python vs C: Memahami perbezaan utama
Apr 21, 2025 am 12:18 AM
Python dan C masing -masing mempunyai kelebihan sendiri, dan pilihannya harus berdasarkan keperluan projek. 1) Python sesuai untuk pembangunan pesat dan pemprosesan data kerana sintaks ringkas dan menaip dinamik. 2) C sesuai untuk prestasi tinggi dan pengaturcaraan sistem kerana menaip statik dan pengurusan memori manual.
Yang merupakan sebahagian daripada Perpustakaan Standard Python: Senarai atau Array?
Apr 27, 2025 am 12:03 AM
Pythonlistsarepartofthestandardlibrary, sementara
Python: Automasi, skrip, dan pengurusan tugas
Apr 16, 2025 am 12:14 AM
Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.
Python untuk Pembangunan Web: Aplikasi Utama
Apr 18, 2025 am 12:20 AM
Aplikasi utama Python dalam pembangunan web termasuk penggunaan kerangka Django dan Flask, pembangunan API, analisis data dan visualisasi, pembelajaran mesin dan AI, dan pengoptimuman prestasi. 1. Rangka Kerja Django dan Flask: Django sesuai untuk perkembangan pesat aplikasi kompleks, dan Flask sesuai untuk projek kecil atau sangat disesuaikan. 2. Pembangunan API: Gunakan Flask atau DjangorestFramework untuk membina Restfulapi. 3. Analisis Data dan Visualisasi: Gunakan Python untuk memproses data dan memaparkannya melalui antara muka web. 4. Pembelajaran Mesin dan AI: Python digunakan untuk membina aplikasi web pintar. 5. Pengoptimuman Prestasi: Dioptimumkan melalui pengaturcaraan, caching dan kod tak segerak
