新闻详情

新闻详情

首页 / 资讯中心 / 详情

HoRain云--Python 模板引擎 Jinja2 实战:语法、继承、过滤器与安全

发布时间:2026/11/14 20:26:29来源:尧图网络
HoRain云--Python 模板引擎 Jinja2 实战:语法、继承、过滤器与安全
本文讲解 Jinja2 模板引擎包括变量、控制结构、模板继承、宏、过滤器、自定义扩展和自动转义安全。正文1. 安装bash复制下载pip install jinja22. 基础渲染python复制下载from jinja2 import Template t Template(Hello, {{ name }}!) print(t.render(nameTom))3. 变量与表达式jinja2复制下载{{ user.name }} {{ items[0] }} {{ price * 1.1 }} {{ yes if active else no }}4. 控制结构jinja2复制下载{% if user.is_admin %} p管理员/p {% elif user.is_vip %} pVIP/p {% else %} p普通用户/p {% endif %} ul {% for item in items %} li{{ loop.index }}. {{ item.name }}/li {% endfor %} /ul5. 模板继承base.htmljinja2复制下载!DOCTYPE html html head title{% block title %}默认{% endblock %}/title /head body {% block content %}{% endblock %} /body /htmlchild.htmljinja2复制下载{% extends base.html %} {% block title %}首页{% endblock %} {% block content %} h1欢迎/h1 {% endblock %}6. 宏jinja2复制下载{% macro input(name, value, typetext) %} input type{{ type }} name{{ name }} value{{ value }} {% endmacro %} {{ input(username) }}7. 过滤器jinja2复制下载{{ name|upper }} {{ price|round(2) }} {{ items|length }} {{ text|truncate(50) }} {{ date|default(未知) }} {{ html|safe }}自定义过滤器python复制下载def format_price(value): return f¥{value:.2f} env.filters[price] format_price8. 自动转义python复制下载from jinja2 import Environment, select_autoescape env Environment(autoescapeselect_autoescape([html, xml]))防止 XSS。信任内容用|safe但要谨慎。9. FastAPI/Flask 集成Flaskpython复制下载from flask import render_template app.route(/) def index(): return render_template(index.html, useruser)FastAPIpython复制下载from fastapi.templating import Jinja2Templates templates Jinja2Templates(directorytemplates) app.get(/) def index(request: Request): return templates.TemplateResponse(index.html, {request: request, user: user})10. 自定义扩展python复制下载from jinja2 import nodes from jinja2.ext import Extension class NowExtension(Extension): tags {now} def parse(self, parser): lineno next(parser.stream).lineno return nodes.Output([self.call_method(_now)]).set_lineno(lineno) def _now(self): return datetime.now()11. 性能优化缓存编译后的模板。使用FileSystemLoader。开启auto_reloadFalse生产环境。避免模板中复杂逻辑。12. 常见坑未转义导致 XSS。模板中执行业务逻辑。循环中查询数据库。模板继承层级过深。13. 总结Jinja2 是 Python 生态最流行的模板引擎。掌握继承、宏、过滤器和自动转义后可构建安全可维护的模板系统。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/14 3:51:47

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/14 3:51:43

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉