前端post,get请求传参方式 以及后台接收

post请求:
1:js中

export function listCheckinApply(query) {
  return request({
    url: '/aaa/bbb/ccc',  // 路径
    method: 'post',
    data: query //参数
  })
}

2:使用
首先引入方法js:

    import {listCheckinApply} from 'xxx.js'

调用方法

 /*查询条件*/
    let formData = reactive({
        applyStatus: '',
        checkinType: '',
        areaName: '',
    })
    // 提交
    const onSubmit = (values) => {
    // formData 是参数,Object类型
        listCheckinApply(formData).then(resp => {
            loading.value = true
            console.log("resp", resp)
            if (resp.code === 200) {
                // adjustApplyInfo.value = resp.rows.filter(item => {
                //     return item.applyStatus !== '0'
                // })
                adjustApplyInfo.value = resp.rows
            }
            finished.value = true;
            loading.value = false
        })
    };

3:浏览器请求
在这里插入图片描述
4:后台参数接收
在这里插入图片描述

get请求:
第一种:通过params对象传递,将参数以键值对的形式传递,当传递的参数为多个时,浏览器会自动拼接&进行分割
1:js中

export  function  getApplyGuestInfo(query) {
    return request({
        url: 'xxx/xxx/xxx',  //路径
        method: 'get',
        params: query //参数
    })
}

2:使用
首先引入方法js:

import {getApplyGuestInfo} from 'xxx.js'

调用方法

 getApplyGuestInfo({applyId: route.params.id}).then(resp => {
        if (resp.code == 200) {
            // 赋值
        }
    })

3:浏览器请求
在这里插入图片描述
4:后台参数接收
在这里插入图片描述
上面这种是传递了一个参数,下面看一下传递多个参数的,和上面一样,只不过url上进行了&分割
1:js中

export function getAdjustApply(query) {
    return request({
        url: '/xxx/ccc/list',
        method: 'get',
        params:query
    })
}

2:使用
首先引入方法js:

 import {getAdjustApply} from 'xxx.js'

调用:形如:
{name:“小张”,age:20,sex:“0”}

const onSubmit = () => {
        getAdjustApply({accommodationType:formData.accommodationType,status:formData.status,areaNameBefore:formData.areaNameBefore}).then(resp => {
            loading.value = true
            console.log("resp", resp)
            if (resp.code === 200) {
                adjustApplyInfo.value = resp.rows
            }
            finished.value = true;
            loading.value = false
        })
    };

3:浏览器请求,以&分割
在这里插入图片描述在这里插入图片描述
4:后台参数接收
在这里插入图片描述
还有一种传递方式就是直接在路径上进行拼接,比如:

export function getDetailInfoAboutAdjustRoom(id,name) {
    return request({
        url: "/xxc/ccc/vvv?id=" + id+"&name="+name,
        method: "get",
    });
}

第二种:Restful风格传递参数,比如:/xxx/ccc/vvv/{参数名}
1:js中

export  function getApplyInfo(id) { // id为参数名
    return request({
        url: '/xxx/ccc/vvv/'+id,
        method: 'get'
    })
}

2:使用
首先引入方法js:

  import { getApplyInfo} from 'xxx.js'

调用方法
我这里的参数是直接从路由中获取的

getApplyInfo(route.params.id).then(resp => {
         if(resp.code === 200){
           //处理逻辑
          } 
    })

3:浏览器请求
在这里插入图片描述

4:后台参数接收
在这里插入图片描述
注意:

1:@PathVariable:需要接收前端传递的参数必须要加上这个注解

2:@PathVariable(name="")和@PathVariable(value="")都可以

3:可以使用@RequestMapping或者@GetMapping 这两种方式
这两种方式在接受参数的区别在于: 
	@RequestMapping 可以指定GET、POST请求方式;
	@GetMapping等价于@RequestMapping的GET请求方式
比如上面例子中如果使用@RequestMapping 那么就应该写为:
@RequestMapping(value = "getApplyInfo/{id}", method= RequestMethod.GET )

如图所示:
在这里插入图片描述
今天就先记录到这里吧,后面有其他方式了再过来更新。
描述有误的地方欢迎大家指正,大家有问题可加qq,876942434。一起进步~
步~

### Pandas 文件格式读写操作教程 #### 1. CSV文件的读取与保存 Pandas 提供了 `read_csv` 方法用于从 CSV 文件中加载数据到 DataFrame 中。同样,也可以使用 `to_csv` 将 DataFrame 数据保存为 CSV 文件。 以下是具体的代码示例: ```python import pandas as pd # 读取CSV文件 df = pd.read_csv('file.csv') # 加载本地CSV文件 [^1] # 保存DataFrame为CSV文件 df.to_csv('output.csv', index=False) # 不保存行索引 [^1] ``` --- #### 2. JSON文件的读取与保存 对于JSON格式的数据,Pandas 支持通过 `read_json` 和 `to_json` 进行读取和存储。无论是本地文件还是远程 URL 都支持。 具体实现如下所示: ```python # 读取本地JSON文件 df = pd.read_json('data.json') # 自动解析为DataFrame对象 [^3] # 从URL读取JSON数据 url = 'https://example.com/data.json' df_url = pd.read_json(url) # 直接从网络地址获取数据 # 保存DataFrame为JSON文件 df.to_json('output.json', orient='records') ``` --- #### 3. Excel文件的读取与保存 针对Excel文件操作Pandas 使用 `read_excel` 来读取 `.xls` 或 `.xlsx` 格式的文件,并提供 `to_excel` 方法导出数据至 Excel 表格。 注意:需要安装额外依赖库 `openpyxl` 或 `xlrd` 才能正常运行这些功能。 ```python # 安装必要模块 (如果尚未安装) !pip install openpyxl xlrd # 读取Excel文件 df_excel = pd.read_excel('file.xlsx', sheet_name='Sheet1') # 导出DataFrame为Excel文件 df.to_excel('output.xlsx', sheet_name='Sheet1', index=False) ``` --- #### 4. SQL数据库的交互 当涉及关系型数据库时,Pandas 可借助 SQLAlchemy 库连接各种类型的数据库(如 SQLite, MySQL)。它允许直接查询并将结果作为 DataFrame 返回;或者反过来把现有 DataFrame 插入到指定表中。 下面是基于SQLite的一个例子: ```python from sqlalchemy import create_engine # 创建引擎实例 engine = create_engine('sqlite:///database.db') # 查询SQL语句并返回DataFrame query = "SELECT name, salary, department FROM employees" sql_df = pd.read_sql(query, engine) # 计算各部门平均工资 avg_salary_by_dept = sql_df.groupby('department')['salary'].mean() # 将DataFrame存回SQL表 avg_salary_by_dept.to_sql(name='average_salaries_per_department', con=engine, if_exists='replace', index=True) ``` 上述片段说明了如何执行基本SQL命令以及后续数据分析流程[^4]。 --- #### 5. 多层次索引(MultiIndex)的应用场景 除了常规单维度索引外,在某些复杂情况下可能需要用到多级索引结构。这时可以依靠 MultiIndex 构建更加灵活的数据模型。 例如定义一个多层列名体系: ```python arrays = [['A','A','B','B'], ['foo','bar','foo','bar']] tuples = list(zip(*arrays)) index = pd.MultiIndex.from_tuples(tuples, names=['first', 'second']) df_multi_indexed = pd.DataFrame([[0,1,2,3], [4,5,6,7]], columns=index) print(df_multi_indexed) ``` 这段脚本演示了怎样构建一个具有双重分类标签的表格布局[^2]。 --- ### 总结 综上所述,Pandas 是一种强大而易用的数据处理工具包,适用于多种常见文件类型之间的相互转换及其高级特性应用开发之中。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值