基于Flask和Shelve的简易留言板开发实战
2025-07-01 06:05:28作者:魏侃纯Zoe
本文将详细介绍如何使用Python的Flask框架结合Shelve模块开发一个简易留言板系统。这个项目虽然简单,但涵盖了Web开发中的多个核心概念,非常适合初学者学习。
项目概述
这个留言板系统主要实现以下功能:
- 用户可以通过表单提交留言
- 系统会保存所有留言记录
- 留言按时间倒序排列显示
- 支持多行留言显示
- 提供美观的界面展示
技术栈选择
Flask框架
Flask是一个轻量级的Python Web框架,它简单易用但功能强大,非常适合快速开发小型Web应用。在本项目中,我们使用Flask处理HTTP请求、路由和模板渲染。
Shelve模块
Shelve是Python标准库中的一个简单持久化存储方案,它基于dbm模块,可以将Python对象序列化存储到文件中。相比数据库,Shelve更加轻量,适合小型应用的数据存储需求。
核心代码解析
应用初始化
application = Flask(__name__)
DATA_FILE = 'message.dat'
这里我们创建了Flask应用实例,并定义了数据存储文件名。
数据存储功能
def save_data(name, comment, create_at):
database = shelve.open(DATA_FILE)
if 'greeting_list' not in database:
greeting_list=[]
else:
greeting_list=database['greeting_list']
greeting_list.insert(0,{
'name':name,
'comment':comment,
'create_at':create_at,
})
database['greeting_list'] = greeting_list
database.close()
save_data
函数负责将留言数据保存到Shelve文件中。这里有几个关键点:
- 使用
shelve.open
打开数据文件 - 检查是否存在留言列表,不存在则初始化
- 将新留言插入到列表开头(实现最新留言显示在最前面)
- 更新并关闭数据库
数据加载功能
def load_data():
database = shelve.open(DATA_FILE)
greeting_list = database.get('greeting_list',[])
database.close()
return greeting_list
load_data
函数从Shelve文件中读取所有留言数据,如果文件不存在或没有数据,则返回空列表。
路由处理
@application.route('/')
def index():
greeting_list = load_data()
return render_template('index.html',greeting_list=greeting_list)
@application.route('/post',methods=['POST'])
def post():
name = request.form.get('name')
comment = request.form.get('comments')
create_at = datetime.now()
save_data(name, comment, create_at)
return redirect('/')
这里定义了两个路由:
- 根路由
/
:显示留言板首页,加载并显示所有留言 /post
路由:处理表单提交,保存留言后重定向到首页
模板过滤器
@application.template_filter('nl2br')
def nl2br_filters(s):
return escape(s).replace('\n', Markup('</br>'))
@application.template_filter('datetime_fmt')
def datetime_fmt_filter(dt):
return dt.strftime('%Y/%m/%d %H:%M:%S')
定义了两个模板过滤器:
nl2br
:将换行符转换为HTML的<br>
标签,解决多行留言显示问题datetime_fmt
:格式化日期时间显示
前端实现
HTML模板
<!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title>Message Board</title>
<link rel="stylesheet" href="../static/main.css">
</head>
<body>
<div id="main">
<h1>Message Board</h1>
<div id="form-area">
<p>please comment here:</p>
<form action="/post" method="POST">
<!-- 表单内容 -->
</form>
</div>
<div id="entries-area">
<h2>the comments history</h2>
<div class="entry">
{% for greeting in greeting_list %}
<h3>{{ greeting.name }} commented at {{ greeting.create_at|datetime_fmt }}</h3>
<p>{{ greeting.comment|nl2br }}</p>
{% endfor %}
</div>
</div>
</div>
</body>
</html>
模板使用了Jinja2语法,主要特点:
- 循环显示所有留言
- 使用自定义过滤器格式化时间和留言内容
- 包含表单用于提交新留言
CSS样式
body {
margin:0;
padding: 0;
color: #000E41;
background-color: #004080;
}
#form-area {
padding: 0.5em 2em;
background-color: #78B8F8;
}
#entries-area {
padding: 0.5em 2em;
background-color: #FFFFFF;
}
.entry p {
padding: 0.5em 1em;
background-color: #DBDBFF;
}
CSS样式表定义了留言板的整体外观,包括:
- 页面背景色
- 表单区域样式
- 留言显示区域样式
- 单个留言的样式
项目结构
完整的项目结构如下:
.
├── message.dat.db # Shelve数据文件
├── message_board.py # 主程序文件
├── static
│ └── main.css # 样式表文件
└── templates
└── index.html # HTML模板文件
运行与测试
启动服务
python message_board.py
服务默认运行在127.0.0.1:8000,开启debug模式方便开发调试。
测试留言
可以通过以下方式测试留言功能:
- 直接在网页表单提交
- 使用Python交互式环境导入数据:
import datetime
from message_board import save_data, load_data
# 添加测试留言
save_data('test', 'test_comment', datetime.datetime.now())
# 查看所有留言
print(load_data())
总结
这个简易留言板项目虽然功能简单,但涵盖了Web开发的多个重要方面:
- 后端路由处理
- 数据存储与读取
- 前端模板渲染
- 表单提交处理
- 简单的样式设计
对于初学者来说,这是一个很好的练手项目,可以在此基础上扩展更多功能,如:
- 用户认证
- 留言分页
- 留言编辑和删除
- 更复杂的数据验证
- 使用真正的数据库替代Shelve
通过这个项目,开发者可以快速掌握Flask框架的基本使用方法和Web开发的基本流程。
登录后查看全文
热门项目推荐
Hunyuan3D-Part
腾讯混元3D-Part00Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0274community
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息011Hunyuan3D-2
Hunyuan3D 2.0:高分辨率三维生成系统,支持精准形状建模与生动纹理合成,简化资产再创作流程。Python00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析2 freeCodeCamp全栈开发课程中React实验项目的分类修正3 freeCodeCamp课程视频测验中的Tab键导航问题解析4 freeCodeCamp音乐播放器项目中的函数调用问题解析5 freeCodeCamp论坛排行榜项目中的错误日志规范要求6 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析7 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析8 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析9 freeCodeCamp课程页面空白问题的技术分析与解决方案10 freeCodeCamp博客页面工作坊中的断言方法优化建议
最新内容推荐
Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 小米Mini R1C MT7620爱快固件下载指南:解锁企业级网络管理功能 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案 SAP S4HANA物料管理资源全面解析:从入门到精通的完整指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
153
1.98 K

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
504
42

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
194
279

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
992
395

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
938
554

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
332
11

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70