Python Flask session 學習心得
閱讀時間約 5 分鐘
前言
在完成ALPHA Camp學期2-3的課程，因為接著上了彭彭老師的WeHelp coding bootcamp，再加上年底工作也較忙，似乎還沒機會好好整理學期2-3的心得，這邊可能至少先欠一篇文章，想先根據這周末學習Flask session的運作機制做些簡單的紀錄。
何謂Flask
相較於之前學習是建立在Express架構，再透過Mongoose這個ODM操作MongoDB，這次訓練營的課程則是先使用Python Flask這個套件。Flask 是個輕量級的應用程式框架(micro-framework)，簡單說就是彈性較佳且使用較簡單，不像另一個Python常使用的Web應用程式框架Django，可能在表單驗證、template enginee有自己的寫法，Flask給予開發者較多的彈性可以使用更多套件增加功能，另有些優點供大家參考 :
- 符合WSGI ⇒ WSGI是個由Python定義的通用介面，建立於Web框架與Web server之間，一個WSGI的流程用以將客戶端的請求傳遞給Web應用程式，再將後端Server-side的回應傳回給客戶端。一般來說客戶端的靜態內容會由web server提供，http動態的數據則透過WSGI交給Web框架提供，常見的web server有Apache、IIS等，常見的Web框架有Flask、Django。由於Flask 是運用Werkzeug 這個函示庫開發的框架，而Werkzeug又符合WSGI的規範，因此Flask其實符合WSGI的標準，可以讓我們更方便設定web server，至於Flask 如何體現WSGI可參考此文章。
- Jinja2樣版引擎 ⇒ 如同Express裡面handlebars的功能，在Flask因為使用此樣板引擎，可以讓我們直接使用render_template到一個html檔案並與後端server溝通，避免在該路由撰寫太多html語法，造成程式碼難以維護與閱讀。
- 不會決定使用哪個資料庫，但提供各種擴充套件整合不同資料庫。
- 可執行偵錯，如有錯誤會向PYTHON CONSOLE、HTTP CLIENT送出請求。
Flask session
在介紹什麼是Flask後，在完成第四周的作業也稍微另外學習Flask session是如何運作的。依照自己先前的瞭解，http是個無狀態的通訊協定，每個request都是各自執行且不會留存任何紀錄，因此需要用session去儲存資料，讓我們可以在同一個Web應用程式去讀取不同的page。通常是在server端利用session存資料，前端的web server的cookie資訊裡面則會有個session id，在瀏覽器發送請求時會夾帶cookie，後端的AP server會跟據session id找到相對應的session物件並回傳給瀏覽器。然而Flask的session機制好像與我之前的認知稍有不同，並非建立於server端，而是client端的cookie based。
在Flask將資料儲存在session這個object裡面時，可看成是儲存在client端，因為資料其實是存在web server，每次新增內容到session就會新增一個新的cookie(cryptographically-signed cookies)，並透過secret_key做簽章。需注意的是這所謂的「secret_key」並不是用於加密(切勿儲存機密資料)，而是用來做數位簽章確認資料的完整性，簡單說是每個人都可以知道cookie裡面的資料，但只有server知道cookie是否被串改，如果被串改就無法登入該帳戶。
這裡做個簡單的驗證，以我第四週交的作業為例，登入後的request封包看似有經過加密，
但實際上此字串是透過base64進行編碼，將其進行decode後，就可以取得cookie裡面的session資料，這也是為什麼建議不要儲存敏感性資料。
且我們亦可透過瀏覽器的開發者工具嘗試修改cookie的值
再重新整理此頁面就會發現被登出，這來自於後端伺服器驗證cookie遭竄改故使其失效。
結尾
以上是這周目前對於Flask多學習的簡單心得，希望之後在完成作業之餘，也可多找資料讓學習不僅僅只侷限於visual studio code上的程式碼，而是更瞭解後面所使用套件的運作原理。
參考資源
- Developing Web Applications with Python and Flask - Introduction | TestDriven.io
- Free Intermediate Flask Course | Rithm School
- [AF] ELI5: how sessions work in Flask? : flask (reddit.com)
- WSGI、Flask及Werkzeug三者之间的关系_慕城南风的博客-CSDN博客_wsgi werkzeug
- Python Web — 快速建置網站的Flask套件. 一般我們想到Python程式，就會聯想到大數據、資料分析、AI等等的應用範疇；想… | by Sean Yeh | Medium
留言0
查看全部
你可能也想看
Google News 追蹤
這個秋，Chill 嗨嗨！穿搭美美去賞楓，裝備款款去露營⋯⋯你的秋天怎麼過？秋日 To Do List 等你分享！
秋季全站徵文，我們準備了五個創作主題，參賽還有機會獲得「火烤兩用鍋」，一起來看看如何參加吧～
11/20日NVDA即將公布最新一期的財報, 今天Sell Side的分析師, 開始調高目標價, 市場的股價也開始反應, 未來一週NVDA將重新回到美股市場的焦點, 今天我們要分析NVDA Sell Side怎麼看待這次NVDA的財報預測, 以及實際上Buy Side的倉位及操作, 從
Hi 大家好，我是Ethan😊
相近大家都知道保濕是皮膚保養中最基本，也是最重要的一步。無論是在畫室裡長時間對著畫布，還是在旅途中面對各種氣候變化，保持皮膚的水分平衡對我來說至關重要。保濕化妝水不僅能迅速為皮膚補水，還能提升後續保養品的吸收效率。
曾經，我的保養程序簡單到只包括清潔和隨意上乳液
subprocess.run() 是 Python 3.5 之後引入的一個簡單且強大的函數，用來執行系統命令並等待命令完成。它是 subprocess 模組的高階 API，封裝了低階的 Popen()，提供了更簡便的方式來執行命令、捕獲輸出、處理錯誤等操作。
本文將指導你如何修改現有的 OpenCV 程式碼，使其利用 CUDA 加速進行深度神經網絡（DNN）推理，如超分辨率圖像放大任務。這將顯著提升運行速度，特別是在高分辨率圖像處理中。
在CMake上這選項要開，才可支援DNN模組。
CMake編譯OpenCV教學文 連結
[OpenCV][Py
OpenCV 提供了專門針對 CUDA 優化的模組，這些模組使用 cv2.cuda 命名空間，並且可以直接使用 GPU 進行加速。，cv2.cuda 模塊需要在 OpenCV 編譯時啟用 CUDA 支援才能使用。
本文主要比較經過CMAKE重新編譯OpenCV使其支援Cuda，原OpenCV只支援
要使用 CUDA（Compute Unified Device Architecture）來加速計算，首先需要在你的系統上設置和安裝相關的工具。CUDA 是由 NVIDIA 開發的平行計算框架，用於加速大量數據的運算，尤其在圖像處理、機器學習、科學計算等領域很有應用。
可以參考官方的安裝方式
以
大學記憶中的程式課，我過得很痛苦。以為懂了，作業卻永遠寫不出來。有鑑於過往痛苦的經歷，學程式語言類似學習外語，應該從需求出發，並且以生活中可理解的事物當作範例學習。所以去年大膽的進行了一個實驗：我們來上中小學生的 Python 課程，透過寫程式解數學題目培養直覺。男孩們選了一個非常瓊瑤的題目！
在讀取檔案時，最怕路徑的問題，常常會有路徑錯誤造成的異常報錯。
為了避免諸如此類的問題發生，明白程式的當前目錄與檔案的路徑是很重要的。
可以利用os 模組是 Python 中的一個標準庫，提供了許多與操作系統的功能。
以下是一些常用的 os 模組基本操作及其範例：
1. os.getcwd
解讀JSON 字串
首先，你需要使用 Python 的 json 模組來解讀JSON 字串。
JSON的基本結構：
由花括號 {} 包圍，內部是鍵值對的集合，每個鍵值對之間用逗號分隔。
鍵是字串類型，值可以是任何JSON支持的資料類型（字串、數字、布林值、陣列、物件或 null）。
{
這個秋，Chill 嗨嗨！穿搭美美去賞楓，裝備款款去露營⋯⋯你的秋天怎麼過？秋日 To Do List 等你分享！
秋季全站徵文，我們準備了五個創作主題，參賽還有機會獲得「火烤兩用鍋」，一起來看看如何參加吧～
11/20日NVDA即將公布最新一期的財報, 今天Sell Side的分析師, 開始調高目標價, 市場的股價也開始反應, 未來一週NVDA將重新回到美股市場的焦點, 今天我們要分析NVDA Sell Side怎麼看待這次NVDA的財報預測, 以及實際上Buy Side的倉位及操作, 從
Hi 大家好，我是Ethan😊
相近大家都知道保濕是皮膚保養中最基本，也是最重要的一步。無論是在畫室裡長時間對著畫布，還是在旅途中面對各種氣候變化，保持皮膚的水分平衡對我來說至關重要。保濕化妝水不僅能迅速為皮膚補水，還能提升後續保養品的吸收效率。
曾經，我的保養程序簡單到只包括清潔和隨意上乳液
subprocess.run() 是 Python 3.5 之後引入的一個簡單且強大的函數，用來執行系統命令並等待命令完成。它是 subprocess 模組的高階 API，封裝了低階的 Popen()，提供了更簡便的方式來執行命令、捕獲輸出、處理錯誤等操作。
本文將指導你如何修改現有的 OpenCV 程式碼，使其利用 CUDA 加速進行深度神經網絡（DNN）推理，如超分辨率圖像放大任務。這將顯著提升運行速度，特別是在高分辨率圖像處理中。
在CMake上這選項要開，才可支援DNN模組。
CMake編譯OpenCV教學文 連結
[OpenCV][Py
OpenCV 提供了專門針對 CUDA 優化的模組，這些模組使用 cv2.cuda 命名空間，並且可以直接使用 GPU 進行加速。，cv2.cuda 模塊需要在 OpenCV 編譯時啟用 CUDA 支援才能使用。
本文主要比較經過CMAKE重新編譯OpenCV使其支援Cuda，原OpenCV只支援
要使用 CUDA（Compute Unified Device Architecture）來加速計算，首先需要在你的系統上設置和安裝相關的工具。CUDA 是由 NVIDIA 開發的平行計算框架，用於加速大量數據的運算，尤其在圖像處理、機器學習、科學計算等領域很有應用。
可以參考官方的安裝方式
以
大學記憶中的程式課，我過得很痛苦。以為懂了，作業卻永遠寫不出來。有鑑於過往痛苦的經歷，學程式語言類似學習外語，應該從需求出發，並且以生活中可理解的事物當作範例學習。所以去年大膽的進行了一個實驗：我們來上中小學生的 Python 課程，透過寫程式解數學題目培養直覺。男孩們選了一個非常瓊瑤的題目！
在讀取檔案時，最怕路徑的問題，常常會有路徑錯誤造成的異常報錯。
為了避免諸如此類的問題發生，明白程式的當前目錄與檔案的路徑是很重要的。
可以利用os 模組是 Python 中的一個標準庫，提供了許多與操作系統的功能。
以下是一些常用的 os 模組基本操作及其範例：
1. os.getcwd
解讀JSON 字串
首先，你需要使用 Python 的 json 模組來解讀JSON 字串。
JSON的基本結構：
由花括號 {} 包圍，內部是鍵值對的集合，每個鍵值對之間用逗號分隔。
鍵是字串類型，值可以是任何JSON支持的資料類型（字串、數字、布林值、陣列、物件或 null）。
{