- 博客(57)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 React中常用的Hook（useEffect、useRef、useMemo、useNavigate、useParams）
React 的隐藏逻辑：当ref属性绑定到 DOM 标签时，React 会在渲染结束后自动将 DOM 节点赋值给inputRef.current。**useNavigate 就像一个提供多种导航工具的“工具箱”，可以从中选择需要的功能来完成路由跳转、前进/后退、传递数据等操作。存储变量时，current只是一个普通属性，你可以自由读写，React 不会干涉它的值。在编程中，副作用是指函数或表达式在执行过程中对外部环境产生影响的行为。渲染和外部处理相分离。让副作用在渲染完成后执行，而不是在渲染期间执行。
2025-08-18 01:21:23
514
原创 基于Three.js实现的3D方块几何可视化教学工具
本文介绍了一个基于Three.js开发的3D方块几何可视化教学工具，专为小学数学几何教学而设计。该工具具有以下特点： 提供5x5交互式控制面板，允许学生通过点击添加或移除方块 实时渲染3D视图，展示方块堆叠效果 支持多角度视图切换（正视图、侧视图、俯视图） 直观展示三维空间概念和投影关系 每个网格位置最多可堆叠5个方块 该工具通过可视化方式帮助学生理解立体几何的基本概念，使抽象的空间思维变得直观可见。
2025-08-11 01:30:09
350
原创 【课堂管理】基于React+Flask的班级积分管理系统
本文介绍了一个基于React前端和Flask后端的班级积分管理系统。该系统支持班级管理、学生积分追踪、兑换物品管理、排行榜展示等功能。主要功能包括：创建/删除班级、批量导入学生名单、学生积分加减、奖品兑换、设置积分规则和段位等级等。系统采用SQLite数据库存储数据，提供一键启动脚本。技术栈包括React+TypeScript+Ant Design前端框架，Flask+SQLAlchemy后端架构。项目开源在GitHub，包含详细的安装说明和使用文档，适合班级管理场景应用。
2025-08-08 01:15:09
1597
原创 融合Anki与OpenAI的个人笔记管理实践——RecallNote
选择了React+TypeScript前端（易维护、适合复杂交互），Flask+Supabase后端（Python方便算法开发，Supabase免费且免运维），搭配OpenAI API（快速实现AI优化）。RecallNote是一款基于SM-2算法的个人笔记应用，通过将笔记内容转化为记忆卡片，并结合科学的复习计划，帮助用户更有效地掌握和记忆知识。传统笔记应用：只记录不复习，没有科学的记忆机制，笔记越积越多，最后变成“电子废纸”，动辄几千字的长篇笔记，复习时无从下手。添加新的API调用时，请遵循现有模式。
2025-07-12 03:23:11
1232
原创 Web安全：CSRF的攻击原理与防御措施
CSRF（Cross-Site Request Forgery，跨站请求伪造）是一种利用 浏览器自动携带 Cookie 的机制，诱骗用户在已登录目标网站的情况下，执行恶意操作的攻击方式。攻击者 不需要窃取 Cookie，而是利用浏览器自动发送 Cookie 的机制。服务器无法区分 用户主动提交的请求和 恶意网站伪造的请求。
2025-07-06 01:24:50
576
原创 关于＜script＞的脚本执行机制：静态加载与动态生成
动态生成 <script> 标签并设置 src 的方式可以绕过 CORS 限制（而在脚本内通过 fetch/XHR 发起的 HTTP 请求会受CORS限制），但只能用于 JSONP这种特定场景，而不是通用的跨域请求方法。脚本 URL 需根据运行时条件（如用户权限、设备类型、用户语言等）动态生成；用户触发特定行为（如点击按钮、滚动到某位置）后再加载脚本；脚本加载失败时，动态回退到备用 CDN等应用场景；JSONP跨域请求（获取远程数据）。延迟加载，减少首屏阻塞；
2025-07-04 00:13:28
919
原创 Javascript控制异步代码的几种方法
运行机制：创建一个“信号中心”，某个任务执行完成，就向信号中心“发布”（publish）一个信号，其他任务可以向信号中心“订阅”（subscribe）这个信号，从而知道什么时候自己可以开始执行。当多个异步操作需要顺序执行时，传统的回调写法会形成层层嵌套，导致难以阅读和维护。async/await 是 JavaScript 处理异步操作的语法糖，它是基于 Promise 的，但让异步代码写起来更像同步代码，更易读和维护。发布—订阅并不是Javascript中的原生概念，而是一种设计模式，又称观察者模式。
2025-07-01 23:17:04
454
原创 JVM G1垃圾回收器详细解析
Garbage First(简称G1)收集器摒弃了传统垃圾收集器的严格的内存划分，而是采用了基于Region的内存布局形式和局部回收的设计思路。G1垃圾收集器把Java堆划分为2048个大小相等的独立的Region，每个Region大小取值范围为1-32MB，且必须为2的N次幂参数，可以通过-XX:G1HeapRegionSize设定，-XX:G1HeapRegionSize默认为0，此时Region的大小采用Java堆大小/2048的计算公式来确定，取值为最接近的2的N次幂数值。
2025-03-06 00:26:05
2181
原创 Java版——设计模式笔记
（3）没有使用中介者模式的时候，同事对象之间的关系通常是一对多的，引入中介者对象以后，中介者对象和同事对象的关系通常变成双向的一对一，这会让对象的关系更容易理解和实现。（3）容易扩展，如果有新的需求，实现一个新的建造者类即可，符合开闭原则。在实现深克隆的时需要编写较为复杂的代码（利用序列化与反序列化），而且当对象之间存在多重嵌套引用的时候，为了实现深克隆，每一层对象对应的类都必须实现Cloneable接口（对象可被克隆）和Serializable接口（对象可被序列化），实现相对麻烦。
2024-11-10 00:44:54
639
原创 SQL注入笔记
SQL注入：一种常见的Web安全漏洞，形成的主要原因是web应用程序在接收相关数据参数时未做好过滤，将其直接带入到数据库中查询，导致攻击者可以拼接执行构造的SQL语句。
2024-10-20 23:41:34
1252
原创 基于Java的新闻全文搜索引擎的设计与实现
本文以学术研究为目的，针对新闻行业迫切需求和全文搜索引擎技术的优越性，设计并实现了一个针对新闻领域的全文搜索引擎。该搜索引擎通过Scrapy网络爬虫工具获取新闻页面，将新闻内容存储在分布式存储系统HBase中，并利用倒排索引及轮排索引等索引技术对新闻内容进行索引，实现了常用的新闻搜索功能，如短语查询、布尔查询、通配符查询等。同时为了获得更快的检索速度，该系统使用了B+树来构建索引树；为了提升用户浏览体验，引入了事件图谱可视化技术，帮助用户直观易懂地浏览相关新闻事件；
2023-08-06 20:07:08
3496
1
原创 物体识别基本原理及其Python实现
概述物体识别（Object recognition）是一个通用术语，描述一组相关的计算机视觉任务，涉及识别图像中的物体。图像分类涉及预测图像中一个对象的类别，对象定位是指识别图像一个或多个对象的位置，并在其周围绘制边框。物体识别将这两种任务结合起来，对图像中的一个或多个对象进行定位和分类，所以当人们提到物体检测或者目标检测时，其实指的是物体识别。基于区域的卷积神经网络 (R-CNN) 是一系列卷积神经网络模型，专为目标检测而设计。R-CNN 是一种两阶段检测算法。第一阶段识别图像中可能包含对象的区域子
2021-08-05 14:34:58
33563
9
原创 Python实现PhotoShop人脸液化变形效果
在PhotoShop中，我们经常利用液化工具的向前工具来对人脸进行形变处理，例如瘦脸、放大眼睛等常规P图操作。瘦脸与眼睛放大可以算作图像局部扭曲算法的一个应用，其参考文献可以追溯至1993年的一篇博士论文：Interactive Image Warping。这篇论文详细描述了算法原理，并提供了伪码实现。图像局部扭曲算法有三个：局部缩放（Local Scaling）算法、局部平移（Local Transition）算法和局部旋转（Local Rotation）算法。其中应用局部缩放算法可实现眼睛放大，局
2021-06-22 11:57:56
3433
1
原创 基于ALS的音乐分析及离线推荐系统的设计与实现报告
文章目录摘要数据说明相关技术介绍Sqoop概述Spark概述协同过滤推荐算法概述系统设计与实现数据分析热门推荐个性化推荐前台交互展示总结摘要在互联网时代，各类的音乐网站提供了成千上万的需求，满足了人们对于音乐的需求，让我们在通勤出行或者闲暇之余可以听到各种不同类型的音乐。而通过分析挖掘海量的历史音乐欣赏记录和用户数据，我们得以窥见消费者选择音乐背后的动机，并可以揭示特定人群的“音乐DNA”。这能够启发强大的营销战略，能够给音乐运营商带来极富价值的数据。而数字音乐的迅速发展造成了音乐歌曲的过剩，面对海量的
2021-01-14 20:19:33
2642
9
原创 聊聊区块链的创新技术
区块链技术源于2008年一位署名为“中本聪”的学者发表的论文《比特币：一种点对点电子现金系统》。时至今日，“中本聪”的真实身份仍然无人知晓，但区块链的江湖一直有他的传说，由其奠基的区块链技术火爆全球。何为区块链，人们提到区块链会想到近年火爆的比特币，心里会不自觉地把区块链和比特币挂钩，但区块链并不等于比特币，比特币只是区块链技术应用的一个子集。区块链是一个分布式的共享账本和数据库，具有去中心化、不可篡改、全程留痕、可以追溯、集体维护、公开透明等特点。这些特点保证了区块链的“诚实”与“透明”，为区块链创造信
2020-12-18 03:20:49
2478
2
原创 淘宝双11实时数据分析项目报告
文章目录环境部署项目主要架构具体步骤流计算步骤python连接kafkaspark-streaming集成kafka编写并运行spark-streaming程序(实时词频统计)编写并运行spark-streaming程序(累加词频统计)在kafka上查看数据统计结果批量计算步骤往hive中导入数据sqoop导出数据到mysql淘宝RFM用户划分Flask-SocketIO实时推送数据Echarts动态绘图环境部署相关环境部署的笔记如下：zookeeper和spark安装：在zookeeper上搭建
2020-12-16 20:36:02
7046
5
原创 python实现基于协同过滤算法的电影推荐
前言一般来说，协同过滤推荐算法分为三种类型。基于物品(item-based)的协同过滤基于用户(user-based)的协同过滤基于内容(content-based)的协同过滤本文基于相关的电影订阅数据对上述协同过滤推荐算法进行实现，每种算法都针对指定的第500位用户对其推荐5部电影相关电影数据可到个人百度云上进行下载，数据集包含了9000多位用户的563部电影的订阅信息（1表示订阅，0表示不订阅）链接：https://pan.baidu.com/s/1LZz58htPOq4F
2020-12-11 03:56:07
4271
4
原创 简述Mapreduce的Shuffle过程
文章目录引子Map端的Shuffle过程分区数据排序数据归并文件Reduce端的Shuffle过程领取数据归并数据和文件引子虽然我们编写Mapreduce程序只需着眼于编写Map端的map函数和Reduce端的reduce函数，但Shuffle过程是Mapreduce工作流程的核心环节，理解Shuffle过程是我们理解Mapreduce工作流程的核心关键。Mapreduce的简要工作流程可看下图从图中我们可以看出Mapreduce的工作流程分为Map、Shuffle、和Reduce，其中Shuff
2020-11-18 03:07:01
7528
原创 python之ORM——SQLAlchemy使用
ORM先来了解什么是ORM，以及ORM用来解决什么问题？我们在开发web应用的过程中，不可避免地会涉及到CRUD操作，就需要用到数据库管理软件，例如mysql、oracle、Microsoft SQL Server等。如果应用程序需要操作数据（比如将用户注册信息永久存放起来），那么我们需要在应用程序中编写原生sql语句，然后使用pymysql模块远程操作mysql数据库但直接编写原生sql语句会存在两方面的问题，严重影响开发效率，如下sql语句的执行效率问题：应用开发程序员需要耗费一大部分精力去
2020-11-18 02:40:14
575
2
原创 摩拜共享单车数据分析项目报告
文章目录摩拜共享单车数据分析项目报告项目背景数据探索数据挖掘数据分析时间维度空间维度用户维度摩拜共享单车数据分析项目报告项目背景随着智能手机的普及和手机用户的激增，共享单车作为城市交通系统的一个重要组成部分，以绿色环保、便捷高效、经济环保为特征蓬勃发展。共享单车企业通过在校园、公交站点、居民区、公共服务区等提供服务，完成交通行业最后一块“拼图”，与其他公共交通方式产生协同效应。共享单车有助于缓解城市短距离交通出行和“最后一公里”难题，但共享单车由于其运营特点，对企业在城市投放和调度单车的规划管理方面，
2020-09-29 21:23:39
14898
17
原创 kafka学习笔记
kafka安装环境要求：需要安装zookeeper、java1.7以上。下载kafka注意：到Kafka官网下载安装文件时，一定要选择和自己电脑上已经安装的scala版本号一致才可以。本笔记安装的scala版本号是2.11.16，所以，一定要选择Kafka版本号是2.11开头的。比如，到Kafka官网中，可以下载安装文件Kafka_2.11-2.2.1，前面的2.11就是支持的scala版本号，后面的2.2.1是Kafka自身的版本号。解压安装包sudo tar -zxvf kafka_2.11-
2020-09-29 20:09:13
1035
原创 戴尔服务器上装vmware esxi
近日老师让在一台戴尔服务器上捣腾一下vmware esxi，闲来无事记录一下捣腾的过程。制作u盘启动盘准备一个空白的U盘，容量4G以上，插入到电脑的USB插槽中下载vmware esxi的ISO镜像：可以到我百度网盘下载：https://pan.baidu.com/s/149vMu1F8NmNNlWi2AYZsxg ，提取码：t2ao下载UltraISO光盘映像刻录工具：https://cn.ultraiso.net/xiazai.html打开UltraISO，选择上方的打开——选择esxi IS
2020-08-31 19:04:06
4142
原创 MapReduce输出结果保存到MySQL
文章目录代码编写思路代码实现Map类输出数据表的javaBean类Reduce类Job类jar包运行前准备运行jar包代码编写思路以词频统计案例为例，说明如何把MapReduce的输出结果保存到MySQL中。Map任务基本不变，主要把实现聚焦在Reduce的输出上。Reduce任务的输出的key为相应的输出数据表的javaBean类实现，该类需要实现org.apache.hadoop.io.Writable的Writable接口和org.apache.hadoop.mapreduce.lib.db的DB
2020-08-31 17:39:53
1383
原创 JavaScript的原型对象和原型链
文章目录引子构造函数原型对象原型链继承引子有点意思的是，JavaScript的面向对象设计思想跟其他的面向对象语言（如Java、python）的设计思想有所不同。JavaScript 虽是面向对象的语言，但JavaScript不使用类，不创建类，也不会通过类来创建对象。所幸这样的局面在Es6出现之后得以改变（看来官方也觉得最初的JavaScript设计有点鸡肋）。而在Es6以前，我们不得不使用原型链来解决JavaScript中的有关面向对象的一系列问题：对象唯一性、抽象性、继承性、多态性。而原型链的最
2020-08-26 18:44:08
516
原创 基于Spark的音乐专辑数据分析（scala）
前言本项目所使用的数据及其编写的代码，可戳 https://download.youkuaiyun.com/download/atuo200/12716083下载。本项目采用scala编写数据分析代码，若采用python编写数据分析代码，可参考 基于Spark的音乐专辑数据分析展示。数据来源数据集albums.csv，包含了10万条音乐专辑的数据。主要字段说明如下：album_title：音乐专辑名称genre：专辑类型year_of_pub： 专辑发行年份num_of_tracks： 每张专辑中单曲数
2020-08-15 20:07:52
7960
8
原创 Linux无坑安装sbt
下载sbt下载：https://sbt-downloads.cdnedge.bluemix.net/releases/v1.3.0/sbt-1.3.0.zip下载完用rz工具把安装包上传到虚拟机，然后解压注意.zip后缀的压缩包用unzip命令解压sudo unzip -q sbt-1.3.0.zip设置国内仓库默认情况下，sbt使用的是国外的仓库地址，打包编译的时候慢的一匹（无法忍受），为了加快打包编译速度，建议更换仓库地址。mkdir ~/.sbtcd ~/.sbtvim repos
2020-08-05 17:45:32
4586
2
原创 mysql+redis实现排行榜
前言代码逻辑：把mysql中的玩家分数表的数据导到redis中，使用redis中的有序集合zset来实现数据递减排行并返回结果（排行榜）我们要明确用redis做排行榜的意义，如果在mysql中有一张游戏的玩家分数表，那么我们用简单的sql语句就能实现数据排行的功能，为什么还要用redis做数据排行？首先mysql等关系型数据库做大数据量的数据查询排序是有性能瓶颈的，而redis是基于内存的键值数据库，其查询、排序的运算速度要比mysql等关系型数据库要快得多；并且redis中内置了一个有序集合（zset
2020-07-12 13:08:02
2103
原创 nginx基础入门
文章目录nginx简介安装nginx依赖的包安装nginx安装tomcatnginx应用方向nginx反向代理nginx负载均衡nginx动静分离nginx简介nginx简单而言，它是处理高并发连接的一个http和反向代理的web服务器，管理tomcat集群，把很多指向同一个域名的请求解析成不同的ip地址，分发到不同的tomcat服务器去执行。安装nginx依赖的包gcc安装nginx需要先将官网下载的源码进行编译，由于nginx是C语言编写的，编译依赖gcc环境，如果没有gcc环境，需要安装
2020-07-08 01:10:35
388
1
原创 用python实现树，字典树，堆，图，并查集
文章目录前言树字典树堆图图的邻接表实现图的邻接矩阵实现图的深度优先遍历图的广度优先遍历并查集前言本文内容讲解几种常见的非线性数据结构(树，字典树，堆，图，并查集)的概念，功能及其实现。树树 (tree) 是一种非常高效的非线性存储结构。树，自然中的树有根，有叶子，对应在数据结构中的树就是根节点、叶子节点。同一层的节点叫兄弟节点，邻近不同层的叫父子节点。树又分门别类，分为二叉树、满二叉树和完全二叉树二叉树：每个节点都至多有二个子节点的树；满二叉树：在二叉树的基础上，除了叶子节点外，每个节点都有左
2020-07-07 01:09:52
669
原创 Mycat实现全局序列的三种方式
文章目录Mycat全局序列本地文件方式数据库方式本地时间戳方式总结Mycat全局序列在实现分库分表的情况下，数据库自增主键已无法保证自增主键的全局唯一。为此，Mycat 提供了全局sequence（序列号），并且提供了包含本地配置和数据库配置等多种实现方式，常见的有以下三种：本地文件方式、数据库方式和本地时间戳方式。注意：Mycat全局序列是在Mycat水平分表基础上搭建起来的，关于Mycat的水平分表，可戳：Mycat实现水平分表及读写分离本地文件方式原理：此方式Mycat将sequence（序
2020-07-06 01:23:23
1659
2
原创 Mycat实现水平分表及读写分离
文章目录Mycat出现缘由数据切分Mycat简介Mycat的下载及安装Mycat使用例子在CentOS6.4里安装MySQL设置MySQL允许远程连接设置schema.xml设置server.xml设置rule.xml在conf目录下创建student_text.txt在Master节点的MySQL中创建相应的数据库db1、db3启动Mycat，连接Mycat往Mycat插入数据查看数据是否分片成功Mycat出现缘由随着互联网的发展，数据的量级也是呈指数的增长。数据量的增大导致对数据的各种操作也是愈加的
2020-06-29 15:27:14
1497
1
原创 用python实现栈、单链表、双链表、队列
前言推荐个网站，学习数据结构时可以到 visualgo这个网站，感受认识操作一些数据结构的整个动态执行过程，当我们在用代码实现其数据结构的时候，它能给我们带来一些code的思路栈栈（stack），它是一种运算受限的线性表。其限制是仅允许在表的一端进行插入和删除运算。栈允许进行插入和删除操作的一端称为栈顶(top)，另一端为栈底(bottom)；栈底固定，而栈顶浮动；栈中元素个数为零时称为空栈。插入一般称为进栈（PUSH），删除则称为退栈（POP）。python代码实现class Stack(o
2020-06-26 02:42:57
911
原创 redis笔记
文章目录键值数据库介绍redis介绍redis安装redis数据类型Jedisredis持久化RDBAOFredis主从复制全量同步增量同步键值数据库介绍键值数据库表中有特定的key和对应的value存储数据，key用来定位value，即检索和存储具体的value，value对数据库而言是透明不可见的，不能对value进行索引和查询，只能通过key来查询。value可以存储任何类型的数据，包括整型、字符型、数组、对象等。在存在大量写操作的情况下，键值数据库可以比关系型数据库取得明显更好的性能。键值数据
2020-06-22 19:53:34
512
原创 redis配置最简单的主从复制集群
文章redis的主从复制redis主从复制的配置启动redis主从实例测试redis主从是否配置成功redis的主从复制主节点数据更新后根据配置和策略，自动同步到从节点，Master以写为主，Slave以读为主。redis主从复制的作用：读写分离，使数据库能支撑更大的并发。做数据的热备，作为后备数据库，主数据库服务器故障后，可切换到从数据库继续工作，避免数据丢失。当 I/O 访问频率过高，单机无法满足，此时做多库的存储，降低磁盘 I/O 访问的频率，提高单个机器的 I/O 性能。red
2020-06-19 22:31:35
343
原创 机器学习之电子商务网站用户行为分析及服务推荐案例
项目概述本项目案例根据某法律咨询服务网站的用户浏览记录，把用户划分为训练集的用户和测试集的用户，再根据找出相应用户的浏览记录划分为训练集数据和测试集数据。训练集用于后续构建用户物品矩阵，再根据用户物品矩阵构建物品相似度矩阵（根据杰卡德相似系数公式计算物品相似度）；测试集用于根据用户浏览记录给用户推荐用户可能感兴趣的网页，在计算推荐结果准确度的时候需要根据测试集构建用户浏览字典（键：ip，值：url（列表））案例用到的数据文件中的字段含义如下：案例代码案例代码如下，代码上已经附上相应的注释data
2020-06-18 10:35:21
3592
1
原创 入门流计算——Storm
本文介绍流计算的概念、什么是Storm、Storm的安装以及如何运行Storm自带的单词统计测试例子。文章目录静态数据和流数据批量计算和实时计算流计算框架的要求认识StormStorm简介Storm的设计思想Storm的框架设计Storm的安装运行Storm自带的测试例子静态数据和流数据在讲清楚什么是Storm之前，我们需要了解流计算的概念。而在讲清楚什么是流计算之前，我们要先了解流计算的处理对象：流数据，而要阐明什么是流数据，我们又不得不先引入流数据的对照物：静态数据。数据总体上可以分为静态数据和
2020-06-16 03:50:48
1467
原创 Java操作HBase的编程实例
HBase常用的Java API在开始编程之前，我们先来了解一下HBase的一些Java API，与HBase数据存储管理相关的java API主要包括：HBaseConfiguration、Admin、HTableDescriptor、HColumnDescriptor、Put、Get、ResultScanner、Result、Scan。org.apache.hadoop.hbase.HBaseConfiguration该类用于管理HBase的配置信息，下面是一些其中的常用方法：Configu
2020-06-10 21:34:27
2803
原创 Flask笔记
什么是Flask在讲什么是Flask之前，我们先了解一下什么是Web Application Framework，Web Application Framework（Web应用程序框架）表示一个库和模块的集合，使Web应用程序开发人员能够编写应用程序，而不必担心协议，线程管理等低级细节。而Flask是一个用Python编写的Web应用程序框架。 Flask基于Werkzeug WSGI工具包和Jinja2模板引擎。安装Flaskpip install -i https://pypi.tuna.tsi
2020-06-08 18:08:06
470
1
原创 sqoop安装及其使用
文章目录sqoop简介sqoop安装sqoop使用把MySQL中的数据导入到HDFS上将MySQL上的数据导出到数据库中记些bugsqoop简介sqoop是连接关系型数据库和hadoop的桥梁，主要有两个方面(导入和导出)：将关系型数据库的数据导入到Hadoop 及其相关的系统中，如 Hive和HBase将数据从Hadoop 系统里抽取并导出到关系型数据库sqoop安装sqoop下载地址：Index of /dist/sqoop下载完成后把sqoop进行解压安装并配置，在添加sqo
2020-06-02 21:34:08
361
原创 Flask之图书管理小案例
案例运行结果代码运行后，浏览器地址栏输入：127.0.0.1:4442即可访问此web应用小程序数据库这边也实现了同步更新数据敲码前的絮絮叨叨项目目录结构如下本小demo向页面的表单提交作者、书籍信息到数据库中；并即时把数据库中相应数据取出来显示到页面上；点击页面的删除链接，可实现把相应书籍信息或作者信息从数据库中删除。本小demo使用Flask的扩展WTF实现表单显示，使用WTF自带的表单验证逻辑实现表单验证，并使用SQLAlchemy扩展连接数据库，并建立数据模型，通过对数据模型的操
2020-06-01 21:31:06
587
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人