Flask项目总结学习

1. Python 的​​@contextmanager​​装饰器

我们使用​​sqlalchemy​​的​​ORM​​机制进行数据保存的时候默认是开启事务的。只有我们在​​commit​​之后数据才真正保存到数据库。但是，当​​commit​​出现故障就会导致数据导入失败，这时我们需要回滚事务。

​​​​

1 try:
2     gift = Gift()
3     gift.uid = current_user.id
4     db.session.add(gift)
5     db.session.commit()
6 except Exception as e:
7     db.session.rollback()
8     raise e

​​​​

但是，我们每次都是这样使用​​try..except​​异常捕捉，很不高效。。

我们知道使用上下文协议可以写出一个上下文管理器，除此之外我们也可以使用装饰器来实现。

​​​​

1 from contextlib import contextmanager
 2 
 3 
 4 
 5 def ():
 6     print('《', end='')
 7     yield
 8     print('》', end='')
 9 
10 
11 with book_mark():
12     print('红烧肉', end='')
13 
14 
15 《红烧肉》

​​​​

　　上面就是使用装饰器写了一个上下文管理器，​​yield​​不一定需要返回什么，​​yield​​的返回就相当于​​__enter__​​的返回，作为​​as​​的指向。执行顺序是先执行​​yield​​之前的代码，然后再执行之后的代码。

​​contextmanager​​可以将一个不是上下文管理器的类（或方法）变成一个上下文管理器。

 我们简化上面一开始的代码，但是​​db.session.commit()​​是第三方类库的方法，我们可以通过继承第三方类来实现新增方法。

​​​​

1 from flask_sqlalchemy import SQLAlchemy as _SQLAlchemy
 2 
 3 # 这里一个小技巧 就是讲第三方类起个别名
 4 
 5 
 6 class SQLAlchemy(_SQLAlchemy):
 7     @contextmanager
 8     def auto_commit(self, throw=True):
 9         try:
10             yield
11             self.session.commit()
12         except Exception as e:
13             self.session.rollback()
14             current_app.logger.exception('%r' % e)
15             if throw:
16                 raise e
17 
18 # 这里实例化的是我们继承过后的自己实现的类              
19 db = SQLAlchemy()
20 
21 # 使用
22 with db.auto_commit():
23     gift = Gift()
24     gift.uid = current_user.id
25     db.session.add(gift)

​​​​

我们看到​​yield​​之前也是可以为空的，执行的顺序是先执行​​with​​下方的代码，然后之前​​yield​​之前的代码，最后执行​​yield​​之后的代码。

学习一个复杂的语法，我们先编写一个简单的例子，然后再使用复杂的用法

2. 创建时间的默认值

网上查了下创建时间的默认值问题，这里我是讲的是类的实例变量和类变量的区别，其实是调用问题。

我们先看下老师的思想

​​​​

class Base(db.Model):
    __abstract__ = True
    create_time = Column('create_time', Integer)
    status = Column(SmallInteger, default=1)

    def __init__(self):
        self.create_time = int(datetime.now().timestamp())

​​​​

这里把时间赋值放在了实例方法中，在每次实例化类的时候都会自动赋值。

其实我们是可以使用默认值的

update_time = db.Column(db.DateTime, default=datetime.now,onupdate=datetime.now)

这里我们输入的是方法​​datetime.now​​而不是方法的返回值​​datetime.now()​​。

当我们输入的是返回值的时候，所有的时间都会是项目启动的那一刻，这就导致了实例化的时候，获取到的类变量是一个已经赋值了的，就不是一个实时的。

模板渲染是最消耗服务器性能的。

3. 重写 filter_by 函数

为什么要重写​​filter_by​​方法呢？

当我们在所有的查询中都要包含同一个条件的时候，这时候就可以重写​​filter_by​​来简化工作。

如何重写呢？

我们先看下继承关系

​​​​

from flask_sqlalchemy import  BaseQuery


class BaseQuery(orm.Query):
    """The default query object used for models, and exposed as
    :attr:`~SQLAlchemy.Query`. This can be subclassed and
    replaced for individual models by setting the :attr:`~Model.query_class`
    attribute.  This is a subclass of a standard SQLAlchemy
    :class:`~sqlalchemy.orm.query.Query` class and has all the methods of a
    standard query as well.
    """

class Query(object):
    """ORM-level SQL construction object.

    :class:`.Query` is the source of all SELECT statements generated by the
    ORM, both those formulated by end-user query operations as well as by
    high level internal operations such as related collection loading.  It
    features a generative interface whereby successive calls return a new
    :class:`.Query` object, a copy of the former with additional
    criteria and options associated with it.

    :class:`.Query` objects are normally initially generated using the
    :meth:`~.Session.query` method of :class:`.Session`, and in
    less common cases by instantiating the :class:`.Query` directly and
    associating with a :class:`.Session` using the :meth:`.Query.with_session`
    method.

    For a full walkthrough of :class:`.Query` usage, see the
    :ref:`ormtutorial_toplevel`.

    """
    
    
    def filter_by(self, **kwargs):
        r"""apply the given filtering criterion to a copy
        of this :class:`.Query`, using keyword expressions.

        e.g.::

            session.query(MyClass).filter_by(name = 'some name')

        Multiple criteria may be specified as comma separated; the effect
        is that they will be joined together using the :func:`.and_`
        function::

            session.query(MyClass).
                filter_by(name = 'some name', id = 5)

        The keyword expressions are extracted from the primary
        entity of the query, or the last entity that was the
        target of a call to :meth:`.Query.join`.

        .. seealso::

            :meth:`.Query.filter` - filter on SQL expressions.

        """

        clauses = [_entity_descriptor(self._joinpoint_zero(), key) == value
                   for key, value in kwargs.items()]
        return self.filter(sql.and_(*clauses))

​​​​

我们使用的​​flask_sqlalchemy​​导入查询类​​BaseQuery​​继承的最终是​​sqlalchemy​​的​​Query​​。

我们看到​​filter_by​​是存在于​​sqlalchemy​​中的，不过我们重写的时候，只要继承​​flask_sqlalchemy​​的​​BaseQuery​​就好了。

class Query(BaseQuery):
    def filter_by(self, **kwargs):
        if 'status' not in kwargs.keys():
            kwargs['status'] = 1
        # 完成原有的，通过调用基类方法
        return super(Query, self).filter_by(**kwargs)

上面我们就为每个查询增加一个状态为 1 的判断。

重写好的查询类如何使用呢？

我们只需要在实例化​​SQLAlchemy​​的时候指定查询类就好了

db = SQLAlchemy(query_class=Query)

思想：当我们不能直接修改源码的时候，我们可以通过继承，重写父类方法来完成我们的需求

链式调用：链式调用我们暂时理解为没有结束的查询。有一个主体 Query，不确定个查询过滤函数，最终遇到​​first​​或者​​all​​等函数才算结束链式调用。个人觉得很有用，针对一个链式调用，我们可以加上不同的查询判断分开成很多个链式调用。

4. 业务逻辑的编写方案

之前学习的时候老师也探讨过这个问题，建议是将可以抽象出来的，能够公用的业务逻辑尽量写在模型类中。

例如获取最近赠送礼物的一段业务逻辑（以老师鱼书代码为例）代码，老师的建议是放在模型类中。

@classmethod
def recent(cls):
    gift_list = cls.query.filter_by(launched=False).order_by(
        desc(Gift.create_time)).group_by(Gift.book_id).limit(
        current_app.config['RECENT_BOOK_PER_PAGE']).all()
    return gift_list

这里我大致总结一下老师的思想：

对于业务逻辑，一般建议编写在视图函数和模型对象中（以类方法，实例方法，静态方法的形式）。对于不可抽象的业务逻辑一般写在视图函数中，对于可抽象的业务逻辑一般写在模型对象中。

良好的封装是优秀代码的基础。

对于函数返回，我们尽量返回有提示的结果，例如字典返回。

 5. 自定义JSONEncoder​​​​

from flask.json import JSONEncoder as _JSONEncoder



class JSONEncoder(_JSONEncoder):
    def default(self, o):
        if hasattr(o, 'keys') and hasattr(o, '__getitem__'):
            return dict(o)
        # 序列化时间
        if isinstance(o, date):
            return o.strftime('%Y-%m-%d')

        raise ServerError()


class Flask(_Flask):
    json_encoder = JSONEncoder

​​​​

这样在使用jsonify的时候，就可以将MyObject类型的实例转化到json格式。

问题思考：

1. 如果项目中有很多自定义Class，都有这个需求，JSONEncoder的实现似乎会很丑陋，有什么好的方式？
2. 同一个Class在不同的场景，json后要保留的字段差别如果很大，该如果实现？

对该问题的实现，可以采用以下方式：

​​​​

#在模型对象中重写dict方法
class User(Base):
    id = db.Column(db.Integer, primary_key=True)
    email = db.Column(db.String(50), unique=True, nullable=False)
    nickname = db.Column(db.String(24), unique=True)
    auth = db.Column(db.SmallInteger, default=1) # 1是普通用户，2是管理员
    _password = db.Column('password', db.String(100))

    #自定义将模型对象转成dict ，即dict(user)
    #dict(user)，会先调用keys方法，这里重写，自定义获取返回的字段
    def keys(self):
        return ['id', 'email', 'nickname', 'auth']

    # dict(user)获取完字段后，会取出对应字段的值，这里使用__getitem__，这里getattr(self, item)拿到值信息，item为key名
    def __getitem__(self, item):
        return getattr(self, item)

​​​​

以上的keys和getitem方法，会在自定义的jsonencoder方法中dict（对象）时候调用，如下：

#自定义json方法，在方法中实现对象转字典返回，这需要在模型对象中实现对应dict方法
class JSONEncoder(_JSONEncoder):
    def default(self, o):
        return dict(o)

调用方法如：

def get_user(uid):
    user = User.query.get_or_404(uid)
    return jsonify(user)

所以这样就实现了jsonencoder将对象转化成字典，然后直接jsonnfy调用序列化。并且复用性强，在模型中定义dict调用的方法，使得转化的字典key可以控制。