Python全栈 Web(Flask框架、模型、sqlalchemy)

本文涉及的产品
云数据库 RDS MySQL,集群版 2核4GB 100GB
推荐场景:
搭建个人博客
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
云数据库 RDS MySQL,高可用版 2核4GB 50GB
简介: Flask、Python、Django、框架、服务器、客户端、浏览器、交互、WEB、Python前端、CSS、JAVA、HTML、H5、PHP、JavaScript、JQuery、分布式开发

Flask的文件传输:



如果大批量上传数据的时候(如:大文件)  就不能使用网页上传了
主要是由于http协议不支持  需要使用单独的上传工具(c/s版的)

URL不存在参数上限的问题,HTTP协议规范也没有对URL长度进行限制。
这个限制是特定的浏览器及服务器对它的限制。
IE对URL长度的限制是2083字节(2K+35字节)对于其他浏览器,
如FireFox,Netscape等,则没有长度限制,
这个时候其限制取决于服务器的操作系统。即如果url太长,
服务器可能会因为安全方面的设置从而拒绝请求或者发生不完整的数据请求。

post 理论上讲是没有大小限制的,HTTP协议规范也没有进行大小限制,
但实际上post所能传递的数据量大小取决于服务器的设置和内存大小。
因为我们一般post的数据量很少超过MB的,所以我们很少能感觉的到post的数据量限制,
但实际中如果你上传文件的过程中可能会发现这样一个问题,
即上传个头比较大的文件到服务器时候,可能上传不上去,以php语言来说,
查原因的时候你也许会看到有说PHP上传文件涉及到的参数PHP默认的上传有限定,
一般这个值是2MB,更改这个值需要更改php.conf的post_max_size这个值。
这就很明白的说明了这个问题了




模型 Models:
什么是模型?
模型  是根据数据库中表的结构来创建出来的class 
每一张表到编程语言中就是一个class 
表中的每一个列 到编程语言中就是一个class属性
创建和使用模型 ORM框架:
什么是ORM?
(Object Relational Mapping)
对象关系映射
ORM的三大特征:
1.数据表(Table)到编程类的映射(Class)的映射
  数据库中的每一张表对应编程语言中 都有一个类

  在ORM中允许将数据表自动生成一个类
  也允许将类自动生成一张表

2.数据类型的映射
  将数据表中的字段以及数据类型 对应到编程语言中类的属性

  在ORM中允许将表中的字段和数据类型自动映射到编程语言中
  也允许将类中的属性和类型也映射到数据库表中

3.关系映射
允许将数据库中表之间的关系对应到编程语言中类之间的关系
数据库表之间的关系  一对一  一对多  多对多
一对一:
主外键关联 外键需要加唯一约束
一对多:
主外键关联
多对多:
                                                第三方关系表
ORM的优点:
提高了开发的效率
能够省略庞大的数据访问层 即便不使用SQL编码 也能完成对数据的CRUD操作



定义模型:
框架的配置
安装sqlalchemy
sudo pip3 install sqlalchemy
sudo pip3 install flask-sqlalchemy
创建数据库
create database flask default charset utf8
collate utf8_general_ci;
配置数据库:

			app.config["SQLALCHEMY_DATABASE_URI"] = "mysql://username:password@host:port/database"

			app.config["SQLALCHEMY_DATABASE_URL"] = "mysql://root:123456@:127.0.0.1:3306/mysql"

db是SQLALchmey的实例对象 表示程序正在使用的数据库
同时也获得了SQLALchemy中的所有功能

定义模型:
模型:
数据库中的表在编程语言中的体现 本质就是一个Python的类 模型类 实体类
类中的属性要与数据库中的列相对应
语法:

				class ModelName(db.Model):
					__tablename__ = "TABLENAME"
					COLUME_NAME = db.olumn(db.TYPE, OPTIONS)


ModelName:
定义模型名称 根据表名设定
TABLENAME:
映射搭配数据库中表的名字
COLUMN_NAME:
属性名,映射到表中列的名字
db.TYPE;
映射到列的数据库类型
OPTIONS:
列选项
db.TYPE 列类型:
类型名             Python类型                  说明

Integer         int                普通整数 32位
SamllInteger    小范围整数             小范围整数 16位
BigInteger           int或long             不限精度的整数
Float                    float                  浮点数
Numeric       decimal.Decimal            定点数
String                    str                  变长字符串
Text                       str               变长字符串 优化后的
Unicode             Unicode              变长Unicode字符串
UnicodeText      Unicode             优化后的变长Unicode字符串
Boolean                bool                    布尔类型
Date                datetime.date               日期  
Time                dataeime.time               时间
DateTime       datetime.datetime        日期和时间
OPTIONS列选项:
选项名                说明
primary key     设置为True则表示该列为主键
unique             设置为True则表示该列的值唯一
index               设置为True则表示该列要创建索引
nullable           设置为True则表示该列允许为空
default            为该列定义默认值

from flask import Flask, request, render_template
from flask_sqlalchemy import SQLAlchemy

import pymysql
pymysql.install_as_MySQLdb()

app = Flask(__name__)
#指定连接字符串
app.config['SQLALCHEMY_DATABASE_URI']='mysql://root:123456@localhost:3306/flask'
#指定让SQLAlchemy自动追踪程序的修改
app.config['SQLALCHEMY_TRACK_MODIFICATIONS'] = True
#指定执行完操作之后自动提交
app.config['SQLALCHEMY_COMMIT_ON_TEARDOWN'] = True

#为当前的项目创建一个SQLAlchemy的实例
db = SQLAlchemy(app)

# 创建模型类 - Models
# 创建 Users 类,
class Users(db.Model):
    # 映射到表中叫 users 表
    __tablename__ = 'users'
    # 创建字段 : id , 主键,自增
    id = db.Column(db.Integer,primary_key=True)
    # 创建字段 : username , 长度为80的字符串,不允许为空,必须唯一
    username = db.Column(db.String(80),nullable=False,unique=True)
    # 创建字段 : age , 整数,允许为空
    age = db.Column(db.Integer)
    # 创建字段 : email,长度为120的字符串,必须唯一
    email = db.Column(db.String(120),unique=True)

    def __init__(self,username,age,email):
        self.username = username
        self.age = age
        self.email = email

    def __repr__(self):
        return '<Users:%r>' % self.username

# 将创建好的实体类映射回数据库
# db.drop_all()
db.create_all()


if __name__ == "__main__":
    app.run(debug=True)


数据库操作:
插入
db.session.add(Models)
db.session.commit()


@app.route('/insert')
def insert_views():
    # 创建 Users 对象
    users = Users('Paris',38,'wei8023521@gmail.com')
    # 将对象通过db.session.add()插入到数据库
    db.session.add(users)
    # 提交插入操作
    db.session.commit()
    return "Insert Success"

@app.route('/register',methods=['GET','POST'])
def register():
    if request.method == 'GET':
        return render_template('02-register.html')
    else:
        # 接收前端传递过来的数据
        username = request.form.get('username')
        age = int(request.form.get('age'))
        email = request.form.get('email')
        # 将数据构建成 Users 对象
        users = Users(username,age,email)
        # 通过 db.session.add 将对象保存进数据库
        db.session.add(users)
        # 提交
        # db.session.commit()
        return "Register OK"


if __name__ == "__main__":
    app.run(debug=True)





相关实践学习
如何在云端创建MySQL数据库
开始实验后,系统会自动创建一台自建MySQL的 源数据库 ECS 实例和一台 目标数据库 RDS。
全面了解阿里云能为你做什么
阿里云在全球各地部署高效节能的绿色数据中心,利用清洁计算为万物互联的新世界提供源源不断的能源动力,目前开服的区域包括中国(华北、华东、华南、香港)、新加坡、美国(美东、美西)、欧洲、中东、澳大利亚、日本。目前阿里云的产品涵盖弹性计算、数据库、存储与CDN、分析与搜索、云通信、网络、管理与监控、应用服务、互联网中间件、移动服务、视频服务等。通过本课程,来了解阿里云能够为你的业务带来哪些帮助 &nbsp; &nbsp; 相关的阿里云产品:云服务器ECS 云服务器 ECS(Elastic Compute Service)是一种弹性可伸缩的计算服务,助您降低 IT 成本,提升运维效率,使您更专注于核心业务创新。产品详情: https://www.aliyun.com/product/ecs
相关文章
|
3天前
|
机器学习/深度学习 数据采集 数据可视化
使用Python实现深度学习模型:智能舆情监测与分析
【8月更文挑战第16天】 使用Python实现深度学习模型:智能舆情监测与分析
17 1
|
5天前
|
机器学习/深度学习 传感器 自动驾驶
使用Python实现深度学习模型:智能车联网与自动驾驶
【8月更文挑战第14天】 使用Python实现深度学习模型:智能车联网与自动驾驶
26 10
|
2天前
|
SQL NoSQL 数据库
在Python中使用sqlalchemy来操作数据库的几个小总结
在探索使用 FastAPI, SQLAlchemy, Pydantic,Redis, JWT 构建的项目的时候,其中数据库访问采用SQLAlchemy,并采用异步方式。数据库操作和控制器操作,采用基类继承的方式减少重复代码,提高代码复用性。在这个过程中设计接口和测试的时候,对一些问题进行跟踪解决,并记录供参考。
|
3天前
|
机器学习/深度学习 JSON API
【Python奇迹】FastAPI框架大显神通:一键部署机器学习模型,让数据预测飞跃至Web舞台,震撼开启智能服务新纪元!
【8月更文挑战第16天】在数据驱动的时代,高效部署机器学习模型至关重要。FastAPI凭借其高性能与灵活性,成为搭建模型API的理想选择。本文详述了从环境准备、模型训练到使用FastAPI部署的全过程。首先,确保安装了Python及相关库(fastapi、uvicorn、scikit-learn)。接着,以线性回归为例,构建了一个预测房价的模型。通过定义FastAPI端点,实现了基于房屋大小预测价格的功能,并介绍了如何运行服务器及测试API。最终,用户可通过HTTP请求获取预测结果,极大地提升了模型的实用性和集成性。
12 1
|
5天前
|
算法 Ubuntu 机器人
DRAKE - 基于模型的机器人设计与验证 由丰田研究所支持的 C++ / Python 工具箱。
DRAKE - 基于模型的机器人设计与验证 由丰田研究所支持的 C++ / Python 工具箱。
14 1
|
6天前
|
机器学习/深度学习 传感器 物联网
使用Python实现深度学习模型:智能物联网与智能家居
【8月更文挑战第13天】 使用Python实现深度学习模型:智能物联网与智能家居
16 2
|
1天前
|
机器学习/深度学习 数据采集 数据可视化
使用Python实现深度学习模型:智能娱乐与虚拟现实技术
【8月更文挑战第18天】 使用Python实现深度学习模型:智能娱乐与虚拟现实技术
5 0
|
2天前
|
机器学习/深度学习 数据采集 数据可视化
使用Python实现深度学习模型:智能城市交通管控与优化
【8月更文挑战第17天】 使用Python实现深度学习模型:智能城市交通管控与优化
3 0
|
4天前
|
机器学习/深度学习 传感器 数据采集
使用Python实现深度学习模型:智能工业与工业4.0技术
【8月更文挑战第15天】 使用Python实现深度学习模型:智能工业与工业4.0技术
15 0
|
7天前
|
关系型数据库 MySQL 数据库连接
使用 Flask 3 搭建问答平台(二):User 模型搭建
使用 Flask 3 搭建问答平台(二):User 模型搭建