基于Flask和Shelve的简易留言板开发实战
2025-07-01 19:30:22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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
574
3.86 K
Ascend Extension for PyTorch
Python
388
466
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
356
216
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++
897
688
昇腾LLM分布式训练框架
Python
121
147
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
121
156
🎉 (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
1.38 K
782
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
599
167
React Native鸿蒙化仓库
JavaScript
311
361