• 一:g对象
  • 简介
  • 1.g对象和session的区别
    • • 2.g对象实战代码
• 二:flask-session（借助于第三方插件连接redis保存session )
  • 1.方式一:
  • 2.方式二(flask使用第三方插件的通用方案):
  • 3.效果1:（访问地址浏览器生成session）
  • 4.效果2：(session存入redis)
  • 5.如何设置session的过期时间？
  • 6.设置cookie时，如何设定关闭浏览器则cookie失效
• 三:数据库连接池
  • 1.pymsql链接数据库
  • 2.问题：
  • 3.解决：
  • 4.数据库连接池版
• 四:信号
  • 1.内置信号
  • 2.内置信号的使用
  • 3.内置信号使用步骤：
  • 4.自定义信号
  • 5.自定制信号流程
• 五:flask-script
  • 1.安装
  • 2.文件名称(启动的manage.py)：
    • • manage.py
  • 3.自定制命令
  • 4.自定制有什么用？
• 六:SQLAlchemy（orm框架）
  • 1.安装SQLAlchemy
    • 2.sqlalchemy执行ORM
    • 3.models模型层

一:g对象

• 简介

1.专门用来存储用户信息的g对象，g的全称的为global，g对象是全局的
2.g对象在一次请求中的所有的代码的地方，都是可以使用的，g对象在当次请求中一直有效

1.g对象和session的区别

1.session对象是可以跨request的，只要session还未失效，不同的request的请求会获取到同一个session，
2.但是g对象不是，g对象不需要管过期时间，请求一次就g对象就改变了一次，或者重新赋值了一次

2.g对象实战代码

from flask import Flask,g,request,session

app = Flask(__name__)

@app.before_request
def first():
    session['name']='dlrb'
    request.form='egon'
    g.name='lqz'

@app.after_request
def after(response):
    print('11111',g.name)
    return response

@app.route('/')
def hello_world():
    print('00000',g.name)
    return 'Hello World!'

if __name__ == '__main__':
    app.run()

二:flask-session（借助于第三方插件连接redis保存session )

作用：将默认保存的签名cookie中的值 保存到 redis/memcached/file/Mongodb/SQLAlchemy

安装：pip3 install flask-session

1.方式一:

from flask import Flask,g,request,session

from flask_session import RedisSessionInterface
app = Flask(__name__)

app.debug=True  # 开启debug，没上线为True，方便查询错误

app.secret_key='asdfasdfasdf'  # 密钥
# 方式一
from redis import Redis
conn=Redis(host='127.0.0.1',port=6379)

# 使用第三方查询RedisSessionInterface进行将session存入redis
app.session_interface=RedisSessionInterface(redis=conn,key_prefix='flask_session')
# redis ： redis地址，端口(不填，默认本地)
# key_prefix	: 前缀


@app.route('/')
def hello_world():
    session['name']='lqz'
    return 'Hello World!'

if __name__ == '__main__':
    app.run()

2.方式二(flask使用第三方插件的通用方案):

from flask_session import Session
from redis import Redis
app.config['SESSION_TYPE'] = 'redis'
app.config['SESSION_KEY_PREFIX']='flask_session'
app.config['SESSION_REDIS'] = Redis(host='127.0.0.1',port='6379')
Session(app)  # 将app传入session内

@app.route('/')
def hello_world():
    session['name']='lqz'
    return 'Hello World!'

if __name__ == '__main__':
    app.run()

3.效果1:（访问地址浏览器生成session）

4.效果2：(session存入redis)

5.如何设置session的过期时间？

#源码expires = self.get_expiration_time(app, session)
'PERMANENT_SESSION_LIFETIME':           timedelta(days=31),#这个配置文件控制

6.设置cookie时，如何设定关闭浏览器则cookie失效

app.session_interface=RedisSessionInterface(conn,key_prefix='lqz',permanent=False)  # permanent=False  的情况下就会关闭浏览器，cookie失效

三:数据库连接池

1.pymsql链接数据库

from flask import Flask
import time
import pymysql
app = Flask(__name__)
app.debug=True

app.secret_key='asdfasdfasdf'

@app.route('/')
def hello_world():
     # pymysql连接数据库(指定数据库信息)
     conn = pymysql.connect(host='127.0.0.1', port=3306, user='root', password='1', database='luffy')
     cursor = conn.cursor()  # 获得游标对象
     cursor.execute('select * from luffy_order')  # 查询luffy_order表
     time.sleep(1)
     print(cursor.fetchall())  # 获取所有
     return 'Hello World!'
    
    
if __name__ == '__main__':
      app.run()

2.问题：

# 问题:
1.如果使用全局连接对象，会导致数据错乱
# 问题二：
2.如果在视图函数中创建数据库连接对象，会导致连接数过多

3.解决：

使用数据库连接池  DBUtils

4.数据库连接池版

from dbutils.pooled_db import PooledDB
import pymysql

POOL=PooledDB(
        creator=pymysql,  # 使用链接数据库的模块
        maxconnections=6,  # 连接池允许的最大连接数，0和None表示不限制连接数
        mincached=2,  # 初始化时，链接池中至少创建的空闲的链接，0表示不创建
        maxcached=5,  # 链接池中最多闲置的链接，0和None不限制
        maxshared=3,
        # 链接池中最多共享的链接数量，0和None表示全部共享。PS: 无用，因为pymysql和MySQLdb等模块的 threadsafety都为1，所有值无论设置为多少，_maxcached永远为0，所以永远是所有链接都共享。
        blocking=True,  # 连接池中如果没有可用连接后，是否阻塞等待。True，等待；False，不等待然后报错
        maxusage=None,  # 一个链接最多被重复使用的次数，None表示无限制
        setsession=[],  # 开始会话前执行的命令列表。如：["set datestyle to ...", "set time zone ..."]
        ping=0,
        # ping MySQL服务端，检查是否服务可用。# 如：0 = None = never, 1 = default = whenever it is requested, 2 = when a cursor is created, 4 = when a query is executed, 7 = always
        host='127.0.0.1',
        port=3306,
        user='root',
        password='1',
        database='luffy',
        charset='utf8')


# 导入进程
from threading import Thread

def task():
    # 去池中获取连接
    conn = POOL.connection()
    # 获取游标
    cursor = conn.cursor()
    cursor.execute('select * from luffy_order')  # 查询luffy_order表
    print(cursor.fetchall())  # 获取所有
for i in range(100):  # 循环100个进程
    t=Thread(target=task)  # 进程执行  
    t.start()
    
# mysql可以看到当前有多少个连接数

四:信号

# Flask框架中的信号基于blinker，其主要就是让开发者可是在flask执行过程中定制一些用户行为

1.内置信号

# pip3 install blinker


## flask中有内置信号
# 什么时候触发的
request_started = _signals.signal('request-started')                # 请求到来前执行
request_finished = _signals.signal('request-finished')              # 请求结束后执行

before_render_template = _signals.signal('before-render-template')  # 模板渲染前执行
template_rendered = _signals.signal('template-rendered')            # 模板渲染后执行

got_request_exception = _signals.signal('got-request-exception')    # 请求执行出现异常时执行

request_tearing_down = _signals.signal('request-tearing-down')      # 请求执行完毕后自动执行（无论成功与否）
appcontext_tearing_down = _signals.signal('appcontext-tearing-down')# 应用上下文执行完毕后自动执行（无论成功与否）

appcontext_pushed = _signals.signal('appcontext-pushed')            # 应用上下文push时执行
appcontext_popped = _signals.signal('appcontext-popped')            # 应用上下文pop时执行
message_flashed = _signals.signal('message-flashed')                # 调用flask在其中添加数据时，自动触发

2.内置信号的使用

3.内置信号使用步骤：

1.写一个函数
2.跟内置信号绑定
3.以后只要触发内置信号，函数就会执行

from flask import Flask,signals,render_template
from flask.signals import _signals
app = Flask(__name__)

# 往信号中注册函数
def func(*args,**kwargs):
    print('触发型号',args,kwargs)
    # 信号一般用来记录日志
# signals信号.内置信号(请求到来前执行).connect(执行函数)    
signals.request_started.connect(func)

# 给模板渲染前编写信号
def template_before(*args,**kwargs):
    print(args)
    print(kwargs)
    print('模板开始渲染了')
# signals信号.内置信号(模板渲染前执行).connect(执行函数)     
signals.before_render_template.connect(template_before)

4.自定义信号

5.自定制信号流程

1 写一个信号
2 写一个函数
3 信号绑定函数
4 触发信号

# 自定义信号
# 自定制信号 = signals.signal('自定制信号名称')
before_view = _signals.signal('before_view')

# 写函数
def test(*args,**kwargs):
    print('我执行了')
    print(args)
    print(kwargs)

# 绑定给信号
# before_view信号.connect(执行函数)
before_view.connect(test)

@app.route('/index',methods=['GET',"POST"])
def index1():
    # 触发信号
    # before_view信号.send发送(关键字，关键字)
    before_view.send(name='lqz',age=19)
    print('视图')
    return render_template('index.html',a='lqz')

if __name__ == '__main__':
    app.run(port=8080)
    app.__call__

五:flask-script

# 1.用于实现类似于django中 python3 manage.py runserver ...类似的命令

1.安装

pip3 install flask-script

2.文件名称(启动的manage.py)：

manage.py

from flask_script import Manager
from flask import Flask
app = Flask(__name__)

# 传入app生成flask_script对象
manager=Manager(app)

if __name__ == '__main__':
    manager.run()
#python3 manage.py runserver --help

以后执行(启动)直接：python3 manage.py runserver

3.自定制命令

@manager.command
def custom(arg):
    """
    自定义命令
    python manage.py custom 123
    :param arg:
    :return:
    """
    print(arg)

@manager.option('-n', '--name', dest='name')
@manager.option('-u', '--url', dest='url')
def cmd(name, url):
    """
    自定义命令（-n也可以写成--name）
    执行： python manage.py  cmd -n lqz -u http://www.oldboyedu.com
    执行： python manage.py  cmd --name lqz --url http://www.oldboyedu.com
    :param name:
    :param url:
    :return:
    """
    print(name, url)

4.自定制有什么用？

1.可以把excel的数据导入数据库，定制个命令，去执行

六:SQLAlchemy（orm框架）

1.orm框架SQLAlchemy，第三方，独立使用，集成到web框架中
2.django的orm框架

1.安装SQLAlchemy

pip install SQLAlchemy

2.sqlalchemy执行ORM

from sqlalchemy.orm import sessionmaker
from sqlalchemy import create_engine
from models import Book,Hobby,Person

# 指定create_engine对象，sqlalchemy指定数据库
engine = create_engine("mysql+pymysql://root:1@127.0.0.1:3306/aaa", max_overflow=0, pool_size=5)  # 连接池大小

# bind绑定engine
# 生成Connection对象
Connection = sessionmaker(bind=engine)

# 每次执行数据库操作时，都需要创建一个Connection
con = Connection()

# ############# 执行ORM操作 #############
# 单表插入一条数据
# book=Book(name='金',price=11)
# con.add(book)

## 一对多关系插入
# hobby=Hobby(caption='足球')
# person=Person(name='lqz',hobby_id=1)
# con.add(hobby)
# con.add(person)

# 一对多插入

# hobby=Hobby(caption='橄榄球')
# person=Person(name='egon',hobby=hobby)
# con.add(hobby)
# con.add(person)

# 查询egon
# egon=con.query(Person).filter_by(name='egon').first()
# print(egon.hobby_id)
# print(egon.hobby.caption) # 拿到hobby对象  ，正向查询：字段名

glq=con.query(Hobby).filter_by(caption='橄榄球').first()
pers=glq.pers   #反向查询，按 backref='pers'
print(pers)
for p in pers:
    print(p.name)

# 提交事务
con.commit()
# 关闭session，其实是将连接放回连接池
con.close()

3.models模型层

import datetime
from sqlalchemy import create_engine
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy import Column, Integer, String, Text, ForeignKey, DateTime, UniqueConstraint, Index
from sqlalchemy.orm import relationship
Base = declarative_base()

class Users(Base):  # Base基类(相当于Django中的models.MODELS)
    __tablename__ = 'users'  # 数据库表名称
    id = Column(Integer, primary_key=True)  # id 主键
    name = Column(String(32), index=True, nullable=False)  # name列，索引，不可为空
    email = Column(String(32), unique=True)
    #datetime.datetime.now不能加括号，加了括号，以后永远是当前时间
    ctime = Column(DateTime, default=datetime.datetime.now)
    extra = Column(Text, nullable=True)

    __table_args__ = (
        # id和name (联合唯一名称:uix_id_name)
        UniqueConstraint('id', 'name', name='uix_id_name'), 
        # name和email是联合索引  索引名称(ix_id_name)
        Index('ix_id_name', 'name', 'email'), #索引
    )


class Book(Base):  #  表模型
    __tablename__ = 'books'
    id = Column(Integer, primary_key=True)
    name = Column(String(32), index=True, nullable=False)
    price=Column(Integer)



# 一对多关系
class Hobby(Base):  #  表模型
    __tablename__ = 'hobby'
    id = Column(Integer, primary_key=True)
    caption = Column(String(50), default='篮球')


class Person(Base):
    __tablename__ = 'person'
    nid = Column(Integer, primary_key=True)
    name = Column(String(32), index=True, nullable=True)
    # hobby指的是tablename而不是类名，uselist=False
    hobby_id = Column(Integer, ForeignKey("hobby.id"))  # 外键

    # 跟数据库无关，不会新增字段，只用于快速链表操作
    # 类名，backref用于反向查询
    hobby = relationship('Hobby', backref='pers')
def init_db():
    """
    根据类创建数据库表
    :return:
    """
    engine = create_engine(
        "mysql+pymysql://root:1@127.0.0.1:3306/aaa?charset=utf8",
        max_overflow=0,  # 超过连接池大小外最多创建的连接
        pool_size=5,  # 连接池大小
        pool_timeout=30,  # 池中没有线程最多等待的时间，否则报错
        pool_recycle=-1  # 多久之后对线程池中的线程进行一次连接的回收（重置）
    )

    Base.metadata.create_all(engine)

def drop_db():
    """
    根据类删除数据库表
    :return:
    """
    engine = create_engine(
        "mysql+pymysql://root:1@127.0.0.1:3306/aaa?charset=utf8",
        max_overflow=0,  # 超过连接池大小外最多创建的连接
        pool_size=5,  # 连接池大小
        pool_timeout=30,  # 池中没有线程最多等待的时间，否则报错
        pool_recycle=-1  # 多久之后对线程池中的线程进行一次连接的回收（重置）
    )

    Base.metadata.drop_all(engine)

if __name__ == '__main__':
    # drop_db()  # 删除表
    init_db()  # 创建表模型