年了，在 Django 之外，Python Web 框架还能怎么选？
如果你是一名 Python 开发者，大概率一提到 Web 开发，脑子里蹦出的第一反应就是 Django。没错，Django 确实强大，ORM、Admin、Auth、路由、模板…… 全都集成好了，堪称“全家桶”式框架。但如果你是做小项目、API 服务、微服务，或者只是想快速搭建一个原型，那 Django 可能就显得“重”了——启动慢、代码量大、配置繁琐。那问题来了：2025 年了，除了 Django，我们还能选什么 Python Web 框架？别急，今天我就用通俗的语言，带你看看几个主流框架，顺便跑两段代码，让你感受一下不同框架的“脾气”。## 为什么要跳出 Django 的舒适区？Django 有一个著名的哲学：“约定优于配置”。这意味着你一旦遵循它的规矩，就能快速开发出一个完整的网站。但缺点也很明显：-启动速度慢：Django 启动时加载了大量组件（包括你可能用不到的）。-灵活性受限：默认的 ORM 和模板引擎是强耦合的，换掉很难。-学习曲线陡峭：新手要理解 MTV 模式、中间件、信号、Admin 定制，才能写出好代码。如果你只想写一个轻量级 API，或者做一个实时聊天应用，Django 就像拿大炮打蚊子。这时候，就该看看这些“小清新”框架了。## FastAPI：异步时代的宠儿FastAPI是近几年最火的 Python Web 框架之一，主打高性能和自动生成文档。它原生支持异步（async/await），性能接近 Node.js 和 Go，而且代码非常简洁。### 为什么选 FastAPI？-自动生成 OpenAPI 文档：写代码的同时，Swagger 和 ReDoc 文档就自动生成了。-类型提示驱动：利用 Python 的类型注解，自动做数据校验和序列化。-异步支持：适合高并发场景，比如聊天、实时推送。### 代码示例：一个简单的 FastAPI 应用python# 安装: pip install fastapi uvicornfrom fastapi import FastAPIfrom pydantic import BaseModel# 创建一个 FastAPI 实例app = FastAPI(title="我的第一个 FastAPI 应用")# 定义数据模型，自动校验输入class Item(BaseModel): name: str price: float is_offer: bool = False # 默认值# 路由：GET 请求，返回 JSON@app.get("/")def read_root(): return {"Hello": "World"}# 路由：POST 请求，接收 JSON 数据@app.post("/items/")def create_item(item: Item): # FastAPI 自动校验 item 的类型，如果 name 缺失会返回 422 错误 return {"item_name": item.name, "item_price": item.price}# 运行方式：终端执行 uvicorn main:app --reload运行后，访问http://127.0.0.1:8000/docs，你就能看到漂亮的交互式 API 文档，直接测试接口！这体验，谁用谁知道。## Flask：小而美的微框架Flask是 Python 界的老牌微框架，被称为“微”不是因为功能少，而是核心只提供路由和模板，其他功能靠扩展（比如 Flask-SQLAlchemy、Flask-Login）来加。它极度灵活，适合想掌控一切细节的开发者。### 为什么选 Flask？-零束缚：你可以自由选择 ORM、模板引擎、数据库。-学习成本低：一个文件就能跑起一个应用。-生态庞大：社区贡献了无数扩展，几乎什么都能干。### 代码示例：Flask 实现一个简单的 REST APIpython# 安装: pip install flaskfrom flask import Flask, jsonify, requestapp = Flask(__name__)# 模拟数据库：一个简单的列表items = [ {"id": 1, "name": "苹果", "price": 5.5}, {"id": 2, "name": "香蕉", "price": 3.2}]# 路由：获取所有商品@app.route("/items", methods=["GET"])def get_items(): return jsonify(items)# 路由：添加商品（POST）@app.route("/items", methods=["POST"])def add_item(): # 从请求中获取 JSON 数据 data = request.get_json() new_item = { "id": len(items) + 1, "name": data["name"], "price": data["price"] } items.append(new_item) return jsonify(new_item), 201 # 返回创建状态码# 运行：终端执行 python app.pyif __name__ == "__main__": app.run(debug=True)注意：Flask 默认是同步的，如果你要写异步代码（比如 WebSocket），需要配合gevent或asyncio扩展。但大部分小项目，同步已经足够了。## Tornado：原生异步的老大哥Tornado是 Python 中最早支持异步的 Web 框架之一，擅长处理长连接和高并发（比如 WebSocket 聊天、实时推送）。它的核心是非阻塞 I/O 模型，一个进程就能处理成千上万的连接。### 为什么选 Tornado？-原生 WebSocket：不用额外扩展，直接支持。-高并发：适合大规模实时应用。-社区稳定：虽然不如 FastAPI 新潮，但久经考验。### 简单对比| 框架 | 适用场景 | 学习曲线 | 性能 ||------|----------|----------|------|| Django | 大型网站、CMS、Dashboard | 陡 | 中等 || FastAPI | API 服务、微服务、异步任务 | 平缓 | 高 || Flask | 小项目、原型、微服务 | 低 | 中等 || Tornado | 实时应用、WebSocket、高并发 | 中等 | 高 |## 总结：怎么选？-如果你要做大型网站（博客、电商、CMS）：Django 依然是首选，生态完善，开箱即用。-如果你要写 REST API 或微服务：FastAPI是最佳选择，性能好、文档自动生成、代码优雅。-如果你只想快速原型验证：Flask让你 5 分钟跑起一个服务，扩展随需而加。-如果你要做实时应用（聊天、直播、游戏）：Tornado原生异步，稳如老狗。最后，选框架就像选工具，没有最好的，只有最适合的。2025 年了，别再死磕 Django 了，看看这些框架，说不定能让你事半功倍。记住：代码是写给人看的，顺便让机器跑一下。选一个让你心情愉快的框架，比什么都重要。