【flask框架搭建服务器demo】Python 使用轻量级 Flask 框架搭建 Web 服务器可视化数据库数据demo

本文适合刚入门flask框架用来熟悉项目的开发人员,关于flask框架的组成概念一些用法请参考下面的文章

https://blog.csdn.net/qq_47452807/article/details/122289200

本文主要给出一个可视化sqlite数据库数据的demo,先展示一下效果:

【flask框架搭建服务器demo】Python 使用轻量级 Flask 框架搭建 Web 服务器可视化数据库数据demo_第1张图片

主要的代码如下

(1)app.py文件

from flask import Flask, jsonify, render_template
import sqlite3

# 创建一个Flask应用实例
app = Flask(__name__)

# 定义SQLite数据库的路径
DATABASE_PATH = r'E:\qt_data\sensordata.db'

# 获取数据库连接的函数
def get_db_connection():
    # 连接到SQLite数据库
    conn = sqlite3.connect(DATABASE_PATH)
    # 将数据库查询结果设置为字典格式,便于通过列名访问数据
    conn.row_factory = sqlite3.Row
    return conn

# 定义根路由(主页)的处理函数
@app.route('/')
def index():
    # 渲染index.html模板
    return render_template('index.html')

# 定义/data路由的处理函数,返回JSON格式的传感器数据
@app.route('/data')
def data():
    # 获取数据库连接
    conn = get_db_connection()
    # 创建游标对象,用于执行SQL查询
    cursor = conn.cursor()
    # 执行SQL查询,获取最新的20条环境数据记录,按时间戳降序排列
    cursor.execute("SELECT * FROM env_data ORDER BY timestamp DESC LIMIT 20")
    # 获取查询结果的所有行
    rows = cursor.fetchall()
    # 关闭数据库连接
    conn.close()

    # 构建一个字典,将查询结果中的每列数据提取到对应的列表中
    data = {
        "timestamp": [row["timestamp"] for row in rows],  # 时间戳
        "co2": [row["co2"] for row in rows],              # 二氧化碳浓度
        "ch2o": [row["ch2o"] for row in rows],            # 甲醛浓度
        "tvoc": [row["tvoc"] for row in rows],            # 总挥发性有机化合物浓度
        "pm2_5": [row["pm2_5"] for row in rows],          # PM2.5浓度
        "pm10": [row["pm10"] for row in rows],            # PM10浓度
        "temp": [row["temp"] for row in rows],            # 温度
        "hum": [row["hum"] for row in rows],              # 湿度
    }

    # 将数据字典转换为JSON格式并返回
    return jsonify(data)

# 主函数,启动Flask应用
if __name__ == '__main__':
    app.run(debug=True)  # debug模式运行应用,方便开发调试

(2)index.html文件




    
    
    Environmental Data Visualization
    


    

(3)script.js文件

// 异步函数fetchData,用于从服务器获取传感器数据
async function fetchData() {
    // 发送HTTP GET请求到服务器的'/data'路由,并等待响应
    const response = await fetch('/data');
    // 将响应转换为JSON格式的数据
    const data = await response.json();

    // 返回获取到的数据
    return data;
}

// 函数createChart,用于根据传感器数据创建并初始化折线图
function createChart(data) {
    // 获取页面中ID为'lineChart'的canvas元素,并获取其2D绘图上下文
    const ctx = document.getElementById('lineChart').getContext('2d');
    // 使用Chart.js库创建一个折线图
    const chart = new Chart(ctx, {
        type: 'line',  // 图表类型为折线图
        data: {
            // 设置X轴的标签为时间戳(数据需要反转以使最新数据在最右侧)
            labels: data.timestamp.reverse(),
            // 定义多条数据集,每个数据集代表一种传感器数据
            datasets: [
                {
                    label: 'CO2',  // 数据集标签为'CO2'
                    data: data.co2.reverse(),  // 数据为CO2的浓度值(反转顺序)
                    borderColor: 'rgb(255, 99, 132)',  // 设置线条颜色为红色
                    fill: false  // 不填充曲线下方区域
                },
                {
                    label: 'CH2O',  // 数据集标签为'CH2O'
                    data: data.ch2o.reverse(),  // 数据为CH2O的浓度值(反转顺序)
                    borderColor: 'rgb(54, 162, 235)',  // 设置线条颜色为蓝色
                    fill: false  // 不填充曲线下方区域
                },
                {
                    label: 'TVOC',  // 数据集标签为'TVOC'
                    data: data.tvoc.reverse(),  // 数据为TVOC的浓度值(反转顺序)
                    borderColor: 'rgb(75, 192, 192)',  // 设置线条颜色为青色
                    fill: false  // 不填充曲线下方区域
                },
                {
                    label: 'PM2.5',  // 数据集标签为'PM2.5'
                    data: data.pm2_5.reverse(),  // 数据为PM2.5的浓度值(反转顺序)
                    borderColor: 'rgb(153, 102, 255)',  // 设置线条颜色为紫色
                    fill: false  // 不填充曲线下方区域
                },
                {
                    label: 'PM10',  // 数据集标签为'PM10'
                    data: data.pm10.reverse(),  // 数据为PM10的浓度值(反转顺序)
                    borderColor: 'rgb(255, 159, 64)',  // 设置线条颜色为橙色
                    fill: false  // 不填充曲线下方区域
                },
                {
                    label: 'Temperature',  // 数据集标签为'温度'
                    data: data.temp.reverse(),  // 数据为温度值(反转顺序)
                    borderColor: 'rgb(255, 205, 86)',  // 设置线条颜色为黄色
                    fill: false  // 不填充曲线下方区域
                },
                {
                    label: 'Humidity',  // 数据集标签为'湿度'
                    data: data.hum.reverse(),  // 数据为湿度值(反转顺序)
                    borderColor: 'rgb(201, 203, 207)',  // 设置线条颜色为灰色
                    fill: false  // 不填充曲线下方区域
                }
            ]
        },
        options: {
            // 使图表自适应容器大小
            responsive: true,
            scales: {
                x: {
                    display: true,  // 显示X轴
                    title: {
                        display: true,  // 显示X轴的标题
                        text: 'Timestamp'  // 设置X轴标题为'时间戳'
                    }
                },
                y: {
                    display: true,  // 显示Y轴
                    title: {
                        display: true,  // 显示Y轴的标题
                        text: 'Value'  // 设置Y轴标题为'数值'
                    }
                }
            }
        }
    });

    // 返回创建的图表对象
    return chart;
}

// 异步函数updateChart,用于更新图表数据
async function updateChart(chart) {
    // 获取最新的数据
    const data = await fetchData();

    // 更新图表的X轴标签(时间戳),并反转顺序
    chart.data.labels = data.timestamp.reverse();
    // 更新各个数据集的数据,并反转顺序
    chart.data.datasets[0].data = data.co2.reverse();
    chart.data.datasets[1].data = data.ch2o.reverse();
    chart.data.datasets[2].data = data.tvoc.reverse();
    chart.data.datasets[3].data = data.pm2_5.reverse();
    chart.data.datasets[4].data = data.pm10.reverse();
    chart.data.datasets[5].data = data.temp.reverse();
    chart.data.datasets[6].data = data.hum.reverse();

    // 更新图表显示
    chart.update();
}

// 在DOM完全加载后执行的事件监听器函数
document.addEventListener('DOMContentLoaded', async function () {
    // 获取初始数据
    const data = await fetchData();
    // 创建并渲染图表
    const chart = createChart(data);

    // 每隔1秒更新一次图表数据
    setInterval(async function () {
        await updateChart(chart);
    }, 1000);  // 1000毫秒 = 1秒
});

sensordata.db文件放在本文顶部了有需要自取哦

你可能感兴趣的:(web开发,python,flask,后端,sqlite,数据库,可视化)