回顾
# 3 local对象
-并发编程中的一个对象，它可以保证多线程并发访问数据安全
-本质原理是：不同的线程，操作的是自己的数据
-不支持协程
# 4 自己定义local，支持线程和协程
# 注意点一：
try:
# 只要解释器没有装greenlet，这句话就会报错
# 一旦装了，有两种情况，使用了协程和没用协程，无论使用不使用，用getcurrent都能拿到协程id号
from greenlet import getcurrent as get_ident
except Exception as e:
from threading import get_ident
# 注意点二：重写类的 __setattr__和__getattr__
对象.属性 取值 不存在会触发 __getattr__
对象.属性 设置值 不存在时会触发 __setattr__
# 注意点三：由于重写了__setattr__和__getattr__
类内部使用 self.storage 会递归
使用类调用对象的方法，它就是普通函数，有几个值传几个值
object.__setattr__(self, 'storage', {})
等同于：self.storage={}
等价于：setattr(self,'storage', {}) 会递归
# 5 flask是如何实现这个local类的
def __setattr__(self, name, value):
ident = self.__ident_func__()
storage = self.__storage__
try:
storage[ident][name] = value
except KeyError:
storage[ident] = {name: value}
def __getattr__(self, name):
try:
return self.__storage__[self.__ident_func__()][name]
except KeyError:
raise AttributeError(name)
def __getattr__(self, k):
ident = get_ident()
return self.storage[ident][k]
def __setattr__(self, k, v):
ident = get_ident() #如果用协程，这就是协程号，如果是线程，这就是线程号
if ident in self.storage: #{'协程id号':{arg:1},'协程id号':{arg:2},'协程id号':{arg:3}}
self.storage[ident][k] = v
else:
self.storage[ident] = {k: v}
# 6 偏函数 ：提前传值，返回一个对象，后期可以调用这个对象，传入后续的值
# 7 请求上下文源码分析(ctx 对象)，整个flask的执行流程
-一旦请求来了----》会执行 Flask类的对象app()---》触发Flask __call__--->self.wsgi_app(environ, start_response)
-Flask类wsgi_app 方法 大约 2417行
def wsgi_app(self, environ, start_response):
#1 返回了一个ctx，请求上下文对象，RequestContext 的对象，里面有session，request
ctx = self.request_context(environ)
try:
try:
# 2 ctx.push---->RequestContext的push---》382行
# _request_ctx_stack.push(self)--self是ctx---》是全局变量
# 是LocalStack()的对象
ctx.push()
# 匹配路由执行视图函数，请求扩展
response = self.full_dispatch_request()
except Exception as e:
error = e
response = self.handle_exception(e)
except: # noqa: B001
error = sys.exc_info()[1]
raise
# 把结果返回给wsgi服务器
return response(environ, start_response)
finally:
if self.should_ignore_error(error):
error = None
# 把当前放进去的ctx剔除，当次请求结束了
ctx.auto_pop(error)
-是LocalStack()的对象 的push ，传入了ctx
def push(self, obj):
# self._local是 Flask自己定义的兼容线程和协程的Local
#self._local中反射 stack，会根据不同线程或协程，返回不同线程的stack
#rv是None的
rv = getattr(self._local, "stack", None)
if rv is None:
# rv=[]
# self._local.stack=rv
#self._local={'协程id号1':{stack:[]},'协程id号2':{stack:[]}}
self._local.stack = rv = []
rv.append(obj)
#self._local={'协程id号1':{stack:[ctx,]},'协程id号2':{stack:[]}}
return rv
在视图函数中:request = LocalProxy(partial(_lookup_req_object, "request"))
print(request.method) # 执行requets对象的 __getattr__
LocalProxy的__getattr__-->核心：
return getattr(self._get_current_object(), name)
self._get_current_object() 是 ctx中的真正request对象，那method，自如就拿到当次请求的method
def _get_current_object(self):
if not hasattr(self.__local, "__release_local__"):
#object.__setattr__(self, "_LocalProxy__local", local)，初始化传入的
# local 是 partial(_lookup_req_object, "request")
#
# getattr(_lookup_req_object('request'), 'method')
# getattr(当次请求的reuqest, 'method')
return self.__local() # self中的 __local,隐藏属性
try:
return getattr(self.__local, self.__name__)
except AttributeError:
raise RuntimeError("no object bound to %s" % self.__name__)
def _lookup_req_object(name):
# 这里把当前线程下 的ctx取出来了
top = _request_ctx_stack.top
if top is None:
raise RuntimeError(_request_ctx_err_msg)
return getattr(top, name) # 去ctx中反射request，返回的就是当次请求的requets
# django flask 同步框架，部署的时候，使用uwsgi部署，uwsgi是进程线程架构，并发量不高
# 可以通过uwsgi+gevent，部署成异步程序
信号
# Flask框架中的信号基于blinker（安装这个模块），其主要就是让开发者可是在flask请求过程中定制一些用户行为 flask 和django都有
#观察者模式，又叫发布-订阅(Publish/Subscribe) 23 种设计模式之一
pip3.8 install blinker
# 信号：signial 翻译过来的，并发编程中学过 信号量Semaphore
# 比如：用户表新增一条记录，就记录一下日志
方案一：在每个增加后，都写一行代码 ---》后期要删除，比较麻烦
方案二：使用信号，写一个函数，绑定内置信号，只要程序执行到这，就会执行这个函数
# 内置信号：flask少一些，django多一些
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
# 使用内置信号的步骤
1 写一个函数
2 绑定内置信号
3 等待被触发
from flask import Flask, render_template,signals,session
from flask.signals import _signals
app = Flask(__name__)
app.debug = True
app.secret_key = 'SSSSSSSSSSSSS'
# 定义信号
session_set = _signals.signal('session_set')
# 写一个函数
def test1(*args,**kwargs):
print(args)
print(kwargs)
print('session设置了')
# 绑定自定义的信号
session_set.connect(test1)
@app.route('/')
def hhhh():
session['lqz'] = 'lqz'
session_set.send('lqz') # 触发信号执行
return 'hello world'
@app.route('/index')
def index():
return render_template('index.html', name='lqz')
if __name__ == '__main__':
app.run()
# django中使用信号
https://www.cnblogs.com/liuqingzheng/articles/9803403.html
django中信号
Model signals
pre_init # django的modal执行其构造方法前，自动触发
post_init # django的modal执行其构造方法后，自动触发
pre_save # django的modal对象保存前，自动触发
post_save # django的modal对象保存后，自动触发
pre_delete # django的modal对象删除前，自动触发
post_delete # django的modal对象删除后，自动触发
m2m_changed # django的modal中使用m2m字段操作第三张表（add,remove,clear）前后，自动触发
class_prepared # 程序启动时，检测已注册的app中modal类，对于每一个类，自动触发
Management signals
pre_migrate # 执行migrate命令前，自动触发
post_migrate # 执行migrate命令后，自动触发
Request/response signals
request_started # 请求到来前，自动触发
request_finished # 请求结束后，自动触发
got_request_exception # 请求异常后，自动触发
Database Wrappers
connection_created # 创建数据库连接时，自动触发
# django中使用内置信号
1 写一个函数
def callBack(*args, **kwargs):
print(args)
print(kwargs)
2 绑定信号
#方式一
post_save.connect(callBack)
# 方式二
from django.db.models.signals import pre_save
from django.dispatch import receiver
@receiver(pre_save)
def my_callback(sender, **kwargs):
print("对象创建成功")
print(sender)
print(kwargs)
3 等待触发
flask-script
# django中，有命令
python manage.py runserver
#flask启动项目，像djagno一样，通过命令启动（版本必须匹配）
Flask==2.2.2
Flask_Script==2.0.3
#借助于：flask-script 实现
安装：pip3.8 install flask-script
修改代码：
from flask_script import Manager
manager=Manager(app)
manager.run()
用命令启动
python manage.py runserver
from flask import Flask
from flask_script import Manager
app = Flask(__name__)
app.debug =True
manager = Manager(app)
@app.route('/')
def index():
return 'index'
if __name__ == '__main__':
# app.run()
manager.run()
# 自定制命令
#1 简单自定制命令
@manager.command
def custom(arg):
# 命令的代码，比如：初始化数据库， 有个excel表格，使用命令导入到mysql中
print(arg)
#2 复杂一些的自定制命令
@manager.option('-n', '--name', dest='name')
@manager.option('-u', '--url', dest='url')
def cmd(name, url):
# python run.py cmd -n lqz -u xxx
# python run.py cmd --name lqz --url uuu
print(name, url)
# django 中如何自定制命令
sqlalchemy快速使用
# flask 中没有orm框架，对象关系映射，方便我们快速操作数据库
# flask，fastapi中用sqlalchemy居多
# SQLAlchemy是一个基于Python实现的ORM框架。该框架建立在 DB API之上，使用关系对象映射进行数据库操作，简言之便是：将类和对象转换成SQL，然后使用数据API执行SQL并获取执行结果
# 安装
pip3.8 install sqlalchemy
#了解
SQLAlchemy本身无法操作数据库，其必须以来pymsql等第三方插件
pymysql
mysql+pymysql://<username>:<password>@<host>/<dbname>[?<options>]
cx_Oracle
oracle+cx_oracle://user:pass@host:port/dbname[?key=value&key=value...]
更多：http://docs.sqlalchemy.org/en/latest/dialects/index.html
原生操作的快速使用
先不是orm 而是原生sql
第一步：导入
from sqlalchemy import create_engine
# 第二步：生成引擎对象
engine = create_engine(
"mysql+pymysql://root@127.0.0.1:3306/cnblogs",
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）
)
# 第三步：使用引擎获取连接，操作数据库
conn = engine.raw_connection()
cursor=conn.cursor()
cursor.execute('select * from aritcle')
print(cursor.fetchall())
创建操作数据表
# 第一步：导入
from sqlalchemy import create_engine
import datetime
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy import Column, Integer, String, Text, ForeignKey, DateTime, UniqueConstraint, Index
# 第二步：执行declarative_base，得到一个类
Base = declarative_base()
# 第三步：继承生成的Base类
class User(Base):
# 第四步：写字段
id = Column(Integer, primary_key=True) # 生成一列，类型是Integer，主键
name = Column(String(32), index=True, nullable=False) # name列varchar32，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)
# 第五步：写表名 如果不写以类名为表名
__tablename__ = 'users' # 数据库表名称
# 第六步：建立联合索引，联合唯一
__table_args__ = (
UniqueConstraint('id', 'name', name='uix_id_name'), # 联合唯一
Index('ix_id_name', 'name', 'email'), # 索引
)
class Book(Base):
__tablename__ = 'books'
id = Column(Integer, primary_key=True)
name = Column(String(32))
# 第七步：把表同步到数据库中
# 不会创建库，只会创建表
engine = create_engine(
"mysql+pymysql://root@127.0.0.1:3306/aaa",
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）
)
# 把表同步到数据库 （把被Base管理的所有表，都创建到数据库）
Base.metadata.create_all(engine)
# 把所有表删除
# Base.metadata.drop_all(engine)
