Python全栈 Web(Flask框架、模型、sqlalchemy)

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
每个IT人都想学的“Web应用上云经典架构”实战
本实验从Web应用上云这个最基本的、最普遍的需求出发,帮助IT从业者们通过“阿里云Web应用上云解决方案”,了解一个企业级Web应用上云的常见架构,了解如何构建一个高可用、可扩展的企业级应用架构。
MySQL数据库入门学习
本课程通过最流行的开源数据库MySQL带你了解数据库的世界。 &nbsp; 相关的阿里云产品:云数据库RDS MySQL 版 阿里云关系型数据库RDS(Relational Database Service)是一种稳定可靠、可弹性伸缩的在线数据库服务,提供容灾、备份、恢复、迁移等方面的全套解决方案,彻底解决数据库运维的烦恼。 了解产品详情:&nbsp;https://www.aliyun.com/product/rds/mysql&nbsp;
相关文章
|
12月前
|
SQL 关系型数据库 数据库
Python SQLAlchemy模块:从入门到实战的数据库操作指南
免费提供Python+PyCharm编程环境,结合SQLAlchemy ORM框架详解数据库开发。涵盖连接配置、模型定义、CRUD操作、事务控制及Alembic迁移工具,以电商订单系统为例,深入讲解高并发场景下的性能优化与最佳实践,助你高效构建数据驱动应用。
1232 7
|
机器学习/深度学习 数据采集 数据挖掘
基于 GARCH -LSTM 模型的混合方法进行时间序列预测研究(Python代码实现)
基于 GARCH -LSTM 模型的混合方法进行时间序列预测研究(Python代码实现)
490 2
|
存储 机器学习/深度学习 人工智能
稀疏矩阵存储模型比较与在Python中的实现方法探讨
本文探讨了稀疏矩阵的压缩存储模型及其在Python中的实现方法,涵盖COO、CSR、CSC等常见格式。通过`scipy.sparse`等工具,分析了稀疏矩阵在高效运算中的应用,如矩阵乘法和图结构分析。文章还结合实际场景(推荐系统、自然语言处理等),提供了优化建议及性能评估,并展望了稀疏计算与AI硬件协同的未来趋势。掌握稀疏矩阵技术,可显著提升大规模数据处理效率,为工程实践带来重要价值。
724 58
|
机器学习/深度学习 数据采集 并行计算
多步预测系列 | LSTM、CNN、Transformer、TCN、串行、并行模型集合研究(Python代码实现)
多步预测系列 | LSTM、CNN、Transformer、TCN、串行、并行模型集合研究(Python代码实现)
1170 2
|
机器学习/深度学习 人工智能 PyTorch
200行python代码实现从Bigram模型到LLM
本文从零基础出发,逐步实现了一个类似GPT的Transformer模型。首先通过Bigram模型生成诗词,接着加入Positional Encoding实现位置信息编码,再引入Single Head Self-Attention机制计算token间的关系,并扩展到Multi-Head Self-Attention以增强表现力。随后添加FeedForward、Block结构、残差连接(Residual Connection)、投影(Projection)、层归一化(Layer Normalization)及Dropout等组件,最终调整超参数完成一个6层、6头、384维度的“0.0155B”模型
810 11
200行python代码实现从Bigram模型到LLM
|
机器学习/深度学习 人工智能 算法
Python+YOLO v8 实战:手把手教你打造专属 AI 视觉目标检测模型
本文介绍了如何使用 Python 和 YOLO v8 开发专属的 AI 视觉目标检测模型。首先讲解了 YOLO 的基本概念及其高效精准的特点,接着详细说明了环境搭建步骤,包括安装 Python、PyCharm 和 Ultralytics 库。随后引导读者加载预训练模型进行图片验证,并准备数据集以训练自定义模型。最后,展示了如何验证训练好的模型并提供示例代码。通过本文,你将学会从零开始打造自己的目标检测系统,满足实际场景需求。
17087 1
Python+YOLO v8 实战:手把手教你打造专属 AI 视觉目标检测模型
|
算法 安全 新能源
基于DistFlow的含分布式电源配电网优化模型【IEEE39节点】(Python代码实现)
基于DistFlow的含分布式电源配电网优化模型【IEEE39节点】(Python代码实现)
860 0
|
机器学习/深度学习 算法 调度
【切负荷】计及切负荷和直流潮流(DC-OPF)风-火-储经济调度模型研究【IEEE24节点】(Python代码实现)
【切负荷】计及切负荷和直流潮流(DC-OPF)风-火-储经济调度模型研究【IEEE24节点】(Python代码实现)
601 0
|
Linux 数据库 数据安全/隐私保护
Python web Django快速入门手册全栈版,共2590字,短小精悍
本教程涵盖Django从安装到数据库模型创建的全流程。第一章介绍Windows、Linux及macOS下虚拟环境搭建与Django安装验证;第二章讲解项目创建、迁移与运行;第三章演示应用APP创建及项目汉化;第四章说明超级用户创建与后台登录;第五章深入数据库模型设计,包括类与表的对应关系及模型创建步骤。内容精炼实用,适合快速入门Django全栈开发。
828 1
|
数据采集 人工智能 测试技术
Python有哪些好用且实用的Web框架?
Python 是一门功能强大的编程语言,在多个领域中得到广泛应用,包括爬虫、人工智能、游戏开发、自动化测试和 Web 开发。在 Web 开发中,Python 提供了多种框架以提高效率。以下是几个常用的 Python Web 框架:1) Django:开源框架,支持多种数据库引擎,适合新手;2) Flask:轻量级框架,基于简单核心并通过扩展增加功能;3) Web2py:免费开源框架,支持快速开发;4) Tornado:同时作为 Web 服务器和框架,适合高并发场景;5) CherryPy:简单易用的框架,连接 Web 服务器与 Python 代码。这些框架各有特色,可根据需求选择合适的工具。
838 14

推荐镜像

更多