基于Flask和Shelve的简易留言板开发实战
2025-07-01 18:10:13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-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0118AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-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).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 JavaWeb企业门户网站源码 - 企业级门户系统开发指南 WebVideoDownloader:高效网页视频抓取工具全面使用指南 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 STM32到GD32项目移植完全指南:从兼容性到实战技巧 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 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 PANTONE潘通AI色板库:设计师必备的色彩管理利器 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起

deepin linux kernel
C
23
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
225
2.27 K

React Native鸿蒙化仓库
JavaScript
212
287

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
9
1

暂无简介
Dart
527
116

🎉 (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
987
583

openGauss kernel ~ openGauss is an open source relational database management system
C++
148
197

GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】
Jinja
47
0

ArkUI-X adaptation to Android | ArkUI-X支持Android平台的适配层
C++
39
55

ArkUI-X adaptation to iOS | ArkUI-X支持iOS平台的适配层
Objective-C++
19
44