Flask是一个轻量级的可定制框架,使用Python语言编写,较其他同类型框架更为灵活、轻便、安全且容易上手。它可以很好地结合MVC模式进行开发,开发人员分工合作,小型团队在短时间内就可以完成功能丰富的中小型网站或Web服务的实现。另外,Flask还有很强的定制性,用户可以根据自己的需求来添加相应的功能,在保持核心功能简单的同时实现功能的丰富与扩展,其强大的插件库可以让用户实现个性化的网站定制,开发出功能强大的网站。
学习途径可以通哔哩哔哩可以快速上手后端
开始 开始 开始
使用专业版pycharm 创建一个Flask 项目。 建议使用虚拟环境到时候下载包不会导致模块版本出错这个问题。
见我的博客有一条的疫情数据爬取保存到数据库 我们需要用到里面的数据模块。
import pymysql
import pandas as pd
sql_connection = pymysql.connect(host='数据库地址', user='用户名', password='密码',
db='数据库名称', port=3306, autocommit=False, charset='utf8mb4')
cursor = sql_connection.cursor() # 使用cursor()方法获取操作游标
# 绘制表格数据进行筛选
def to_json(df, orient='records'):
return df.to_json(orient=orient, force_ascii=False)
# 编写sql 语句 查询
def get_data():
sql = "select province,now from china limit 6 "
df_sql = pd.read_sql(sql, sql_connection)
return to_json(df_sql)
def get_data2():
sql1 = "select content from news"
def_sql = pd.read_sql(sql1, sql_connection)
return to_json(def_sql)
def get_data3():
sql2= "select country,w_now from world limit 4"
def_sql = pd.read_sql(sql2, sql_connection)
return to_json(def_sql)
处理数据
import pandas as pd
import json
from static.test.db import get_data2
# 返回json 格式处理
def to_json1(df, orient='split'):
return df.to_json(orient=orient, force_ascii=False)
def to_json2(df, orient='split'):
df_json = df.to_json(orient=orient, force_ascii=False)
return json.loads(df_json)
# print(get_data())
print(get_data2())
# print(get_data3())
编写接口:
import random
from flask import Flask, request
app = Flask(__name__)
from static.test.db import get_data, get_data2, get_data3
# 创建应用实例
app = Flask(__name__)
app.config['JSON_AS_ASCII']=False
@app.route('/local', methods=['GET'])
def test():
return get_data()
@app.route('/comment', methods=['GET'])
def test2():
return get_data2()
@app.route('/world', methods=['GET'])
def test3():
return get_data3()
@app.route('/number', methods=['GET'])
def test4():
list=[97.8,99.2,91.6,95.8]
i = random.choice(list)
return str(i)
# 启动实施(只在当前模块运行)
if __name__ == '__main__':
app.run()
运行查看: