14.1
Flask会特殊对待末端带有斜线的路由。如果客户端请求的URL的末端没有斜线，而唯一匹配的路由末端有斜线，Flask会自动响应一个重定向，转向末端带斜线的URL。反之则不会重定向。resource > resource/
resource/ > resource
REST架构不要求必须为一个资源实现所有的请求方法。如果资源不支持客户端使用的请求方法，响应的状态码为405，返回“不允许使用的方法”。Flask会自动处理这种错误。
版本问题：因为服务器和客户端分离，服务器负责提供资源，所以需要支持不同版本的客户端应用，使用更多的服务器控件，比如同时拥有/api_1_0 和 /api_1_1 的URL。
内容协商:根据客户端请求的格式改写错误处理程序的响应（json or html）
14.2.3
由于REST要求保持的 无状态 特性，所以我们使用REST支持的HTTP认证（基本认证Base authentication, 摘要认证Digest authentication）
HTTP认证使用模块：from flask_httpauth import HTTPBasicAuth
这种用户认证方法只在API蓝本中使用，所以Flask-HTTPAuth扩展只在蓝本包中初始化，而不像其他扩展那样要在程序包中初始化(不在__init__.py中初始化)。
14.2.4基于令牌的认证
使用from itsdangerous import TimedJSONWebSignatureSerializer as Serializer
在User实现generate_auth_token(self, expiration)和verify_auth_token(token)完成验证功能。
实现用于HTTPBasicAuth的回调函数verify_password。
错误处理：
14.2.5json序列化
错误处理：可以自定义ValidationError，然后raise ValidationError()
14.2.6实现资源端点
实现GET的资源请求最简单，一个返回文章列表，一个返回单篇文章内容。
POST把一篇新的文章内容插入数据库
PUT修改一篇文章
14.2.7分页大型资源集合
对于大型资源集合而言，一个GET请求可能太大，所以也可以对GET请求的get_posts路由进行分页
14.2.8 使用HTTPie测试Web服务
最常使用的两个在命令行中测试Web服务的客户端是curl和HTTPie。后者的命令行更简洁，可读性也更高。
(遇到了一个bug)，安装后可以在命令行中通过http命令使用HTTPie，
http --json --auth "john@example.com":"cat" GET http://127.0.0.1:5000/api/v1.0/posts/
注意url使用posts/和posts的区别。
http --auth <email>:<password> --json GET http://127.0.0.1:5000/api/v1.0/token 可以获得认证令牌
15.1获取代码覆盖报告
代码覆盖工具用来统计单元测试检查了多少程序功能，并提供一个详细的报告，说明那些代码没有测试到。
我们使用coverage完成任务，需要在设置中自己配置环境变量FLASK_COVERAGE
15.2.1FLASK测试客户端
视图函数因为涉及session和request所以必须在运行时测试，为此可以使用flask内建的测试客户端。
response.get_data(as_text=True)，在响应中使用get_data可以获得响应主体，默认为字节数组，as_text=True将返回一个unicode字符串。
在测试的时候FLASK-WTF的post请求会有一个隐藏字段包含一个CSRF保护的令牌，在测试用可以配置中通过WTF_CSRF_ENABLED=False禁用这个字段。
15.2.2测试Web服务
#注意编码处理
json.dumps编码为json，json.loads从json解码
15.3使用Selenium进行端到端的测试
依赖运行在客户端浏览器中的JavaScript代码，任何程序都无法正常工作，因为响应发给测试的JavaScript代码无法像在真正的Web浏览器客户端中那样运行。如果测试需要完整的环境，除了使用真正的Web浏览器连接Web服务器中运行的程序外，别无他选。幸运的是，大多数浏览器都支持自动化操作。Selenium（http://www.seleniumhq.org/）是一个Web浏览器自动化工具，支持3种主要操作系统中的大多数主流Web浏览器。
16.性能
数据库长期使用以后可能变慢，我们使用大部分数据库查询语言都支持的explain语句，通过显示的数据库执行一个查询时采取的操作步骤，我们可以判断出数据库或索引设计的不足之处。
16.2分析源码
性能问题的另一个诱因是CPU密集运算，Flask使用的开发Web服务器由Werkzeug提供，可根据需要为每条请求启用Python分析器。
17部署
17.1部署流程
在manage.py中写入一个部署命令deploy
17.2生产环境中的错误写入日志
在程序启动过程中，Flask会创建一个Python提供的logging.Logger类实例，并将其附属到程序实例上，得到app.logger。
17.3云部署
heroku addons:create heroku-postgresql:hobby-dev -a minicocol (命令和书中有出入，应该是更新了)
循环尝试git add <file address>
git commit -m "..."
git push heroku(remote git server) master(local git branch)
heroku run python manage.py deploy
heroku logs(git log)
...
记得requirements里的flask-wtf alemic flask-migrate等等版本和local实际使用的一样。