对于这种micro framework，他们绝大多数的设计哲学都很像，其中的差别主要是语言本质的差别。当然，要开发一个稍微有一点规模的东西，是需要引入大量的third party libraries的，尤其是ORM。Python的ORM主要是SQL Alchemy，而Ruby用的比较多的事ActiveRecord和DataMapper。
最后，我对“在国外的Web开发方便，Ruby的Rails/Sinatra基本上都占据着主导的位置”并不认同。Ruby/Rails社区在Web方面很有创造力，有许多很不错的idea，而Python社区则相对安静。但是对于产出来说，Python并不比Ruby弱。Jeff Atwood写过一篇文章，提到“Ruby is not cool anymore”，所以你看到Ruby社区似乎很“活跃”，其实是因为Ruby/Rails流行的比较晚，所以有许多空白要填补，也有许多新轮子由于语言特性而被造出来——Python很早已经过了这个时代。
python的用途：
Python的优势有必要作为第一步去了解，Python作为面向对象的脚本语言，优势就是数据处理和挖掘，这也注定了它和AI、互联网技术的紧密联系。
网络爬虫。顾名思义，从互联网上爬取信息的脚本，主要由urllib、requests等库编写，实用性很强，小编就曾写过爬取5w数据量的爬虫。在大数据风靡的时代，爬虫绝对是新秀。
人工智能。AI使Python一战成名，AI的实现可以通过tensorflow库。神经网络的核心在于激活函数、损失函数和数据，数据可以通过爬虫获得。训练时大量的数据运算又是Python的show time。
扩展资料：
Python开发人员尽量避开不成熟或者不重要的优化。一些针对非重要部位的加快运行速度的补丁通常不会被合并到Python内。在某些对运行速度要求很高的情况，Python设计师倾向于使用JIT技术，或者用使用C/C++语言改写这部分程序。可用的JIT技术是PyPy。
Python是完全面向对象的语言。函数、模块、数字、字符串都是对象。并且完全支持继承、重载、派生、多继承，有益于增强源代码的复用性。
Python支持重载运算符和动态类型。相对于Lisp这种传统的函数式编程语言，Python对函数式设计只提供了有限的支持。有两个标准库(functools, itertools)提供了Haskell和Standard ML中久经考验的函数式程序设计工具。
参考资料来源：百度百科-Python
Flask 是一个微框架（Micro framework），其官方文档的前言部分对Flask做了很清楚的定性介绍：“微”（Micro）是什么意思？
“微”(micro) 并不意味着你要把整个web应用放到一个python文件里（虽然确实可以），也不意味着Flask 在功能上有所欠缺。微框架中的“微”意味着 Flask 旨在保持核心功能的简单而易于扩展。Flask 不会替你做出太多决策，比如使用何种数据库。而那些 Flask 帮你做好的决策（比如使用哪种模板引擎），都是很容易替换。除此之外的一切都由可由你掌握。
默认情况下，Flask 不包含数据库抽象层、表单验证，或是任何已在其它已库中处理的很好的功能。相反，Flask 支持通过扩展来给应用添加这些功能，如同是 Flask 本身实现的一样。众多的扩展提供了数据库集成、表单验证、上传处理及各种各样的开放认证技术等功能。Flask 也许是“微小”的，但它已准备好在复杂的生产环境中投入使用。
Flask尽量避免重复制造轮子，而是与已有的优秀轮子去结合，这使得Flask灵活、强大，且定制性更强。 Flask 配置选项众多，均设置了合理的默认值，并会遵循一些惯例；配置选项均可以修改，但通常没必要修改，尤其是刚开始的时候。这使得Flask易于上手。
