一、Django：全都替你决定

教材给的定位很准：Django 是「 batteries included 」，电池全带上。 一条 django-admin startproject 之后，目录里自动长出 settings、urls、wsgi、 admin 四个文件——你还没写一行代码，结构已经定了。 它自带 ORM、自带后台管理、自带模板、自带表单、自带用户系统。

适合「表单多、后台多、要快速上线」的项目，比如内部管理系统、内容网站。 代价是你得按它的规矩来，改起来费劲。

二、Bottle：一个文件就是一个应用

Bottle 全部代码在一个文件里，不依赖任何第三方库，pip install 都不用， 下载一个 bottle.py 放进目录就能跑。 教材提它是为了做个极端对照：如果连 Flask 都嫌重，那还有更轻的。 它的适用场景很窄：教学演示、临时脚本、嵌入式的小接口。真做项目，路由分组、数据库、 模板这些迟早要自己补回来。

三、FastAPI：为 API 而生

FastAPI 的装饰器和 Flask 长得几乎一样，但它多了一件事：参数要标类型，标注就是校验规则。 item_id: int 不是注释，传个 abc 进去它会自动回 422 并说明哪个字段错了。 它还自动生成 OpenAPI 文档，一个 /docs 页面就能试所有接口。

所以「只做 API、前后端分离」的项目，FastAPI 比 Flask 省事得多。但要做服务端渲染的网页， 它的优势就用不上了。

四、Flask 站在中间

教材的选择很清楚：这本书既要写网页（模板渲染），又要写 API（第 12 到 17 章）， 还要能自由挑数据库和登录方案。 这种「两样都要、还不想被绑死」的需求，正好落在 Flask 的位置上。 它的取舍是：把「选」的权利留给你，把「配」的麻烦也一起留给你。

所以这本书里到处是「装一个插件、注册一个蓝图、写一个配置」——那不是在绕路， 那就是 Flask 的正常用法。

五、四个框架并排看

表格里没有「性能」这一列，因为在这个量级上， 性能从来不是选型的第一因素——开发速度和后期改动的成本才是。 真要谈性能，四个框架前端都该挂 Nginx 或反向代理，瓶颈往往在数据库和序列化上，不在框架本身。

六、动手 Demo：四个框架，差别在替你决定多少

这一节没法把四个框架都跑一遍——Django 和 FastAPI 本沙箱没装，也不打算装。 但「重不重」这件事可以量：导入一个库，看它多拉进来多少模块。

import subprocess, sys

for name in ("flask", "jinja2", "sqlalchemy", "pandas", "sklearn"):
    code = "import sys, %s; print(len(sys.modules))" % name
    out = subprocess.run([sys.executable, "-c", code],
                         capture_output=True, text=True).stdout
    print(name, int(out))

实跑输出：

--------------------------------------------------------------------
四个框架，差别在替你决定多少
--------------------------------------------------------------------
  教材把 Django、Bottle、FastAPI 摆在一起比。表里的定位是教材的说法，成本那一列是这次真量的：

| 导入的那个库 | 多带进来的模块数 | 导入耗时（毫秒） |
|---|---:|---:|
| flask | 206 | 993 |
| jinja2 | 52 | 328 |
| sqlalchemy | 186 | 1117 |
| pandas | 488 | 1515 |
| sklearn | 1323 | 4337 |

  量法：同一个子进程跑三遍取最快。
  模块数减掉裸解释器本来的 106 个，耗时减掉「什么都不 import」的 439 毫秒。
  ! 但这台机器起一次进程本身就要 439 毫秒（沙箱磁盘慢），剩下的数里还混着读盘的抖动。
  所以末列只作横向比较，别当 Flask 的固有开销。
  真正稳的是中间那一列：模块数由代码结构决定，跑几遍都一样。
  ! 越大的框架，一 import 就拉进来越多东西。这不是说它不好，是说要付代价。

  ① Flask 自己有多少依赖
  --------------------------------------------------------------------
  必装 6 个：blinker、click、itsdangerous、jinja2、markupsafe、werkzeug
  可选 3 个：importlib-metadata（仅旧 Python 需要）、asgiref（async）、python-dotenv（dotenv）
  ! 教材写的是「五个依赖」，这次数出来是 6 个——多的是 blinker。
  Flask 2.3 把信号机制拆成独立包，2.x 的书自然数不到它。
  六个里只有两个是你天天要打交道的：Werkzeug 管请求与路由，Jinja2 管模板；
  其余四个是胶水（命令行、签名、转义、信号）。

  ② 四个框架的分界
  --------------------------------------------------------------------

| 框架 | 模板 | 数据库 | 后台 | 一句话 |
|---|---|---|---|---|
| Django | 自带 | 自带 ORM | 自带后台 | 最重，也最省心 |
| Flask | 自己选 | 自己选 | 自己装 | 最轻，也最费心 |
| Bottle | 单文件 | 无 | 无 | 一个文件就是一个应用 |
| FastAPI | 自己选 | 自己选 | 自动文档 | 为 API 而生，带类型校验 |

  ! 分界只有一条：它替你决定多少。决定越多，上手越快，改起来越难。

  [平台原样 · 本沙箱不执行]
  | # Django：先有项目骨架，才有代码
  | django-admin startproject mysite
  | ./manage.py startapp polls
  | # 目录里自动长出 settings.py / urls.py / wsgi.py / admin.py
  |
  | # FastAPI：装饰器长得像 Flask，但参数要标类型
  | from fastapi import FastAPI
  | app = FastAPI()
  |
  | @app.get("/items/{item_id}")
  | def read_item(item_id: int, q: str | None = None):
  |     return {"item_id": item_id, "q": q}
  Django 与 FastAPI 在本沙箱没装、也不打算装——这两个只作对照，不执行。

  ! FastAPI 那句 item_id: int 不是注释，是校验规则：传 abc 进去自动回 422。
  Flask 里同样的活要自己写。

模块数是硬指标：由代码结构决定，跑几遍都一样，最适合做横向比较。 耗时那一列受沙箱磁盘影响很大，只能看数量级——flask 一秒上下，sklearn 四秒多。 顺带数了一下 Flask 的依赖：必装 6 个。教材说 5 个，多出来的是 blinker，Flask 2.3 才拆出去的。 最后那段 Django 与 FastAPI 的代码标了「平台原样」，是给你对照语法的，不代表在这里跑过。

30 秒实验

1. 把表里再加一行 tensorflow 或 torch（如果装了的话），看模块数飙到多少。
2. 把 pandas 换成 json，看标准库和一个大框架差了几个数量级。
3. 想一想你现在手上的项目：它是「表单多」还是「只给程序调」？答案基本就定了选型。

常见误区

1. 拿「谁快」当第一标准：这个量级的项目，开发速度和改动成本比框架开销重要。
2. 以为 Bottle 轻所以更好：轻到一定程度，你要自己补的东西比省下的更多。
3. 在 Flask 里硬造 Django 那套：目录、ORM、后台全自己搭一遍，那不如直接用 Django。
4. 以为 FastAPI 能完全替代 Flask：服务端渲染模板那块，它一直不是强项。

框架选定了，下一步是把它装起来。 下一篇讲解释器、虚拟环境和 flask 命令，顺带把教材里三条已经过时的写法点出来。

• ☐ （本篇完，下一篇 0.3 装 Python、建虚拟环境、装 Flask）

相关笔记

• Flask 的设计思想：一个不替你做决定的框架
• Web技术原理 · 索引
• 🧪 Flask 开发 · 索引