D70【 python 接口自动化学习】- python 基础之数据库

原创 已于 2024-11-17 23:27:22 修改 · 283 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python

于 2024-11-16 23:33:30 首次发布

day70 Python综合实践

学习日期：20241116

学习目标： MySQL 数据库 Q -- Python 综合实践

学习笔记：

 案例需求

 3aa6133b7f3b4e29b1bae4b5d2510bcb.jpg

 数据内容

2ac4c5db0dfa4b9189d434b347d28edf.jpg

DDL定义

81763bfa8f3a44a8abf18ba11f885286.jpg

总结

1. 使用Python实现读取写入数据库操作

基于python+flask框架+mysql的学生信息管理系统源码+项目说明(含学生成绩管理).zip
10-16
2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。...
16、Python Web应用部署与容器化及无服务器计算指南
ww90123的博客
07-19 108
本文详细介绍了在PythonAnywhere上部署Flask Web应用的步骤和特点，以及使用Docker进行Python应用容器化的流程，还探讨了无服务器计算的概念和通过AWS Lambda实现无服务器函数的基本操作。内容涵盖多种现代化开发和部署技术，帮助开发者选择适合的工具和平台以提升开发效率和应用性能。
【高效率运维】Python grp模块：自动化系统用户组管理的实践
[【高效率运维】Python grp模块：自动化系统用户组管理的实践](https://opengraph.githubassets.com/48b9e9206889048d70e4e79ea4dfd3d97d0b1a0e3d90e9dd26d93714713a347e/mdzhang/grpc-python-example) # 1. Python ...
gapinyc@DESKTOP-9QS7RL5:~/superset-prod$ docker-compose build --build-arg SUPERSET_VERSION=3.1.0 [+] Building 1268.1s (11/12) => [internal] load local bake definitions 0.0s => => reading from stdin 1.61kB 0.0s => [superset internal] load build definition from Dockerfile.superset 0.0s => => transferring dockerfile: 1.59kB 0.0s => [superset internal] load metadata for docker.io/apache/superset:3.1.0 1.1s => [superset-init internal] load .dockerignore 0.0s => => transferring context: 2B 0.0s => [celery 1/8] FROM docker.io/apache/superset:3.1.0@sha256:afcd2f63479e29da06944087a29e7788f9ecd0250f4611e52aee1c844187e3eb 1230.4s => => resolve docker.io/apache/superset:3.1.0@sha256:afcd2f63479e29da06944087a29e7788f9ecd0250f4611e52aee1c844187e3eb 0.0s => => sha256:ac038528f2a19d94b806da89fd9f6cba03f66e1c54525f10d70a60ec7b02ce1d 75.56kB / 75.56kB 0.3s => => sha256:7dfa053011ee83eeaab82132d62e3f7d898b06cf664009193a99dc3877f41fcc 966B / 966B 0.2s => => sha256:91c9fb3f03331a96797d53f57cbd5a160d57d6608b065d23cd69e0682323c419 3.86MB / 3.86MB 3.1s => => sha256:ca43099a12615dfc7643ec769fa1efb4c755df753a0d109a85133d4caeb92eb8 49.26MB / 49.26MB 68.0s => => sha256:7b32b828ea5959602cdacacf44091cf5ed0f82470be3c19dff70aef17160e435 206.83MB / 206.83MB 60.5s => => sha256:204441eb6629cc6fb403dade61473c2ac08eef9bb37c79dee9a0efeadf4b0375 4.37kB / 4.37kB 0.2s => => sha256:e32d94962dc84161ccbbb752f90a730de9e0540a6fa00dfebf91a4a1ee979276 7.30kB / 7.30kB 1.2s => => sha256:d3482cd166eae37d16a1f0aee9afee70010e8d39da451c8f58c43715c38d12ed 102.97MB / 102.97MB 1218.2s => => sha256:fd059c39e967ba26555f9580bea3f791cf4639f183a5ed4a0c410bd8a372991e 91B / 91B 4.0s => => sha256:2b527dfdb0a9ecb9a5bf5c264aeb4ac254e0752886f187095f6960b933aab941 3.13MB / 3.13MB 5.3s => => sha256:93b25b5c998e137849343851763bbc686f369399894e766c37a55304b1f66cfb 244B / 244B 0.1s => => sha256:336c7f590cb97722bfee12f22e354df879feae9f28bfd5cebeaffccb3fb8fbf5 11.89MB / 11.89MB 22.3s => => sha256:51d1f07906b71fd60ac43c61035514996a8ad8dbfd39d4f570ac5446b064ee5d 3.51MB / 3.51MB 5.6s => => sha256:e1caac4eb9d2ec24aa3618e5992208321a92492aef5fef5eb9e470895f771c56 29.12MB / 29.12MB 29.0s => => extracting sha256:e1caac4eb9d2ec24aa3618e5992208321a92492aef5fef5eb9e470895f771c56 0.7s => => extracting sha256:51d1f07906b71fd60ac43c61035514996a8ad8dbfd39d4f570ac5446b064ee5d 0.1s => => extracting sha256:336c7f590cb97722bfee12f22e354df879feae9f28bfd5cebeaffccb3fb8fbf5 0.3s => => extracting sha256:93b25b5c998e137849343851763bbc686f369399894e766c37a55304b1f66cfb 0.0s => => extracting sha256:2b527dfdb0a9ecb9a5bf5c264aeb4ac254e0752886f187095f6960b933aab941 0.2s => => extracting sha256:fd059c39e967ba26555f9580bea3f791cf4639f183a5ed4a0c410bd8a372991e 0.0s => => extracting sha256:d3482cd166eae37d16a1f0aee9afee70010e8d39da451c8f58c43715c38d12ed 2.3s => => extracting sha256:e32d94962dc84161ccbbb752f90a730de9e0540a6fa00dfebf91a4a1ee979276 0.0s => => extracting sha256:204441eb6629cc6fb403dade61473c2ac08eef9bb37c79dee9a0efeadf4b0375 0.0s => => extracting sha256:7b32b828ea5959602cdacacf44091cf5ed0f82470be3c19dff70aef17160e435 6.9s => => extracting sha256:ca43099a12615dfc7643ec769fa1efb4c755df753a0d109a85133d4caeb92eb8 0.6s => => extracting sha256:91c9fb3f03331a96797d53f57cbd5a160d57d6608b065d23cd69e0682323c419 0.2s => => extracting sha256:ac038528f2a19d94b806da89fd9f6cba03f66e1c54525f10d70a60ec7b02ce1d 0.0ss => => extracting sha256:7dfa053011ee83eeaab82132d62e3f7d898b06cf664009193a99dc3877f41fcc 0.0s => [celery 2/8] RUN apt-get update && apt-get install -y --no-install-recommends build-essential libssl-dev libffi-dev python3-dev 14.1s => [superset 3/8] RUN python -m ensurepip --upgrade || (wget https://bootstrap.pypa.io/get-pip.py -O /tmp/get-pip.py && python /tmp/get-pip.py --user) 2.1ss => [celery 4/8] RUN python -m pip --version 0.5s => [superset 5/8] RUN python -m pip install --upgrade pip && python -m pip install "gevent>=21.12.0" psutil pymysql flask-appbuild 17.3s => [superset 6/8] RUN python -c "import gevent; print(f'✅ Successfully imported gevent {gevent.__version__}')" 0.3s => ERROR [superset-init 7/8] RUN superset build 2.1s ------ > [superset-init 7/8] RUN superset build: 1.566 /app/superset/config.py:39: UserWarning: pkg_resources is deprecated as an API. See https://setuptools.pypa.io/en/latest/pkg_resources.html. The pkg_resources package is slated for removal as early as 2025-11-30. Refrain from using this package or pin to Setuptools<81. 1.566 import pkg_resources 1.872 -------------------------------------------------------------------------------- 1.872 WARNING 1.872 -------------------------------------------------------------------------------- 1.872 A Default SECRET_KEY was detected, please use superset_config.py to override it. 1.872 Use a strong complex alphanumeric string and use a tool to help you generate 1.872 a sufficiently random sequence, ex: openssl rand -base64 42 1.872 -------------------------------------------------------------------------------- 1.872 -------------------------------------------------------------------------------- 1.872 Refusing to start due to insecure SECRET_KEY ------ Dockerfile.superset:47 -------------------- 45 | 46 | # Step 6: 构建前端资源 —— 关键步骤！ 47 | >>> RUN superset build 48 | 49 | # Step 7: 设置时区（可选） -------------------- target superset-init: failed to solve: process "/bin/sh -c superset build" did not complete successfully: exit code: 1 gapinyc@DESKTOP-9QS7RL5:~/superset-prod$ # Dockerfile.superset ARG SUPERSET_VERSION=3.1.0 FROM apache/superset:${SUPERSET_VERSION} # Step 1: 切换为 root 用户（必须） USER root # Step 2: 安装系统级编译依赖 RUN apt-get update && \ apt-get install -y --no-install-recommends \ build-essential \ libssl-dev \ libffi-dev \ python3-dev \ libev-dev \ libjpeg-dev \ zlib1g-dev \ && rm -rf /var/lib/apt/lists/* # Step 3: 激活虚拟环境并重新安装 pip # 注意：官方镜像的 Python 虚拟环境位于 /app/.venv ENV VIRTUAL_ENV=/app/.venv ENV PATH="$VIRTUAL_ENV/bin:$PATH" # 方法一：使用 ensurepip 强制重建 pip（推荐） RUN python -m ensurepip --upgrade || \ (wget https://bootstrap.pypa.io/get-pip.py -O /tmp/get-pip.py && \ python /tmp/get-pip.py --user) # 验证 pip 是否可用 RUN python -m pip --version # Step 4: 安装所需 Python 包 RUN python -m pip install --upgrade pip && \ python -m pip install \ "gevent>=21.12.0" \ psutil \ pymysql \ flask-appbuilder \ pillow # Step 5: 验证 gevent 是否成功导入 RUN python -c "import gevent; print(f'✅ Successfully imported gevent {gevent.__version__}')" # Step 6: 构建前端资源 —— 关键步骤！ RUN superset build # Step 7: 设置时区（可选） ENV TZ=Asia/Shanghai # Step 8: 清理缓存（减小镜像体积） RUN pip cache purge # Step 9: 切回普通用户（安全） USER superset
10-23
| CI/CD 自动化 | 使用 `openssl rand -base64 42` 动态生成临时密钥用于构建 | --- ## ✅ 验证是否成功 ```bash # 重建镜像 docker-compose build # 检查 dist 目录是否存在 docker run --rm my-superset:...
Windows提权—数据库提权-mysql提权&mssql提权&Oracle数据库提权
网络空间安全学习
04-01 1705
Windows提权-数据库提权-MySQL提权-MSSQL提权-Oracle提权 MySQL UDF提权、反弹shell、启动项、mof提权 MSSQL系统函数-使用系统函数提权 Oracle 数据库提权 可使用Oracle shell工具进行操作
50、【Ubuntu】【Gitlab】拉出内网 Web 服务：http.server 单/多线程分析（二）
最新发布
HIT_Weston的博客
12-04 484
本文分析了Python的http.server模块在单线程和多线程模式下的性能表现。通过测试发现，单线程模式下（Python<3.7）并发请求会被阻塞，后发请求需要等待前一个请求完成；而多线程模式下（Python≥3.7）可以同时处理多个请求。作者通过slow_server.py脚本模拟耗时操作，使用time curl命令测试响应时间，验证了线程模型的差异。文章还指出Python 3.7是一个重要分水岭，官方将默认命令行服务器升级为多线程以提升用户体验。技术细节参考了CPython源码，并提供了Git
大模型应用：大模型 MapReduce 全解析：核心概念、中文语料示例实现.12
minhuan的专栏
12-03 900
本文介绍了MapReduce编程模型及其在大模型训练中的应用。MapReduce通过"分治-并行-聚合"思想处理大规模数据，传统Hadoop MapReduce侧重结构化数据计算，而大模型MapReduce则针对自然语言处理任务。文章详细对比了两者在架构、处理对象和核心算力等方面的差异，并提供了中文词频统计的Python实现示例，包括单机版和分布式版本。分布式实现利用多进程模拟集群计算，展示了数据分片、Map、Shuffle和Reduce的完整流程。
【Android逆向工程】第19章：协议分析与接口还原
w987333120的博客
12-03 365
本文介绍了网络协议分析的关键技术与工具。主要内容包括HTTP/HTTPS协议分析流程、常用抓包工具配置（Charles/Burp Suite）、协议格式解析方法以及签名算法还原技术。通过示例展示了完整的请求/响应分析过程，涵盖请求行、请求头、请求体的解析方法，特别关注签名相关字段的识别。文章还提供了Python代码示例演示如何自动分析HTTP请求结构，帮助逆向工程师理解业务逻辑、还原接口签名算法并实现自动化脚本。
使用 DeepSeek 提升工作效率
Deng872347348的博客
12-03 567
摘要：本文系统介绍了如何利用DeepSeek AI工具提升工作效率。文章首先分析职场痛点，指出DeepSeek在技术文档、代码开发、数据处理等专业场景的优势。随后详细解析核心功能模块，包括文本生成、代码支持、数据分析和知识管理，并明确其适用边界。重点提供了可直接复用的指令模板，涵盖技术文档撰写、脚本开发、数据可视化等典型场景，如自动生成API文档、Python数据分析脚本等。最后给出集成办公软件的最佳实践，并针对不同行业提供适配方案，强调AI工具"增强而非替代"的定位，帮助用户将重复性工
python+django/flask+vue的基于协同过滤算法的体育商品推荐系统
Q_Q1963288475的博客
12-04 446
相比于传统的体育商品推荐方式，个性化智能的管理方式可以大幅提高体育商品推荐的管理效率，实现了个性化智能体育商品推荐的标准化、制度化、程序化的管理，有效地防止了体育商品推荐的随意管理， 功能主要包括首页、个人中心、用户管理、商品分类管理、商品信息管理、交流论坛、留言板、系统管理、订单管理等功能，从而实现个性化智能体育商品推荐方式，提高个性化智能体育商品推荐的效率。
python+django/flask+vue基于web的产品管理系统
Q_Q511008285的博客
12-04 236
在信息化和全球化加速发展的背景下，企业面临着产品种类不断增加、市场需求变化加快、供应链协作日益复杂的挑战，传统依赖Excel表格、纸质文档和孤立系统的产品管理方式已难以满足高效、精准、协同的管理需求，常常导致信息更新不及时、数据不一致、审批流程冗长、库存与销售脱节等问题，制约了企业的市场响应速度与决策质量。
API接口地址解析地区码操作指南
z1205338073的博客
12-03 219
推荐使用高德/百度/腾讯地图的地理编码API，三者均支持地址→行政区划代码的直接解析，且提供免费额度。通过上述步骤，可实现通过API接口精准解析地址对应的地区码，适用于物流分单、区域统计、位置服务等场景。
Flask项目：从零到一搭建一个二维码生成器与扫描器web系统
数据知道的博客
11-30 237
本文介绍了一个基于Flask框架的二维码生成与扫描Web应用。该项目具有美观界面和强大功能，支持二维码生成（可自定义颜色、尺寸、边框）、Logo添加、图片上传扫描、批量生成、实时摄像头扫描等功能。采用Bootstrap 5实现响应式设计，适配PC和移动设备，并包含流畅的页面动画效果。技术栈包括Flask、OpenCV、Pillow等库，提供完善的错误处理机制。文章详细介绍了项目结构、环境准备（依赖安装）、后端核心代码实现（二维码生成与扫描类）以及部署方法，是一个可直接使用的完整Web应用解决方案。
华为OD机试双机位B卷 - 货币单位换算 (C++ & Python & JAVA & JS & GO)
qq_45776114的博客
11-30 467
华为OD机试 双机位B卷 货币单位换算，提供Java、C++、Python、Go、JavaScript源码实现，并提供完整思路讲解。
python轮子：适配requests.request的aiohttp异步请求
云霄IT的博客
12-01 235
【代码】python轮子：适配requests.request的aiohttp异步请求。
字节 Trae Solo 模式深度科普：个人 AI 开发与服务的独立新范式
欢迎来到我的博客！
12-03 669
作为字节跳动面向个人开发者与普通用户推出的本地 AI 能力解决方案，Trae Solo 模式以 “独立部署、离线运行、自然语言驱动” 为核心标签，打破了传统 AI 工具对云端算力和网络环境的依赖，成为 AI 终端化、私有化落地的典型标杆。从未来发展来看，随着模型轻量化技术的持续进步和本地生态的不断完善，Trae Solo 模式有望从 “专业 AI 开发工具” 升级为 “个人全场景 AI 协作伙伴”，不仅覆盖工作与学习场景，还将逐步融入日常生活，实现 AI 能力与个人需求的深度融合。
ubuntu下业务运行环境搭建
12-04 206
1. 安装 python3：sudo apt install python3 python3-pip2. 创建python链接：ln -s python3 python3. 安装依赖：pip install pymodbus pyserial flask flask-login Werkzeug。
python+django/flask+vue基于微服务的车联网位置信息管理系统
Q_Q511008285的博客
12-04 345
随着智能网联汽车普及率提升与车路协同技术快速发展，车联网产生的位置信息呈爆发式增长，传统单体架构下的位置信息管理模式已难以适配高并发、高可用、多场景的业务需求，基于微服务的车联网位置信息管理软件的开发，成为突破行业瓶颈、推动车联网规模化发展的关键举措。
【Python】家庭用电数据分析Prophet预测
Frost_Descent的博客
12-03 2186
摘要：该研究基于Kaggle家庭用电数据集（2007年1-6月，26万条记录），通过Prophet模型预测电力消耗趋势。数据集包含有功/无功功率、电压等7个特征。经数据清洗和探索性分析后，研究抽取1万样本进行预测建模，结果显示未来半年的功率和电压变化趋势。Prophet模型整合了趋势函数、季节性和节假日效应，具有自动检测趋势变化、处理缺失值等优势。通过可视化预测结果，验证了模型在电力消费预测中的有效性。
openGauss压力测试：性能、稳定性与AI能力的全面探索
热门推荐
2202_76097976的博客
11-30 1万+
parser.add_argument("--method", choices=["copy", "execute_values"], default="copy", help="插入方法")parser.add_argument("--batch-size", type=int, default=1000, help="execute_values 的批大小")parser.add_argument("--concurrency", type=int, default=50, help="并发线程数")
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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