Flask从零到精通｜第4课：request对象、获取表单数据与文件上传
# Flask从零到精通｜第4课：request对象、获取表单数据与文件上传。> 前置：路由、模板、Jinja2已经掌握。本节课核心：接收前端浏览器提交的数据。## 📖 本节课目标。1. 导入并掌握 `request` 对象。2. GET请求获取URL查询参数（`request.args`）。
发现值得阅读的好内容
来自一线开发者的实践、思考与复盘。
最新文章
481 篇
Flask从零到精通｜第3课：Jinja2模板引擎 + 静态资源（CSS/JS/图片）
# Flask从零到精通｜第3课：Jinja2模板引擎 + 静态资源（CSS/JS/图片）。>。> 前置：已掌握路由、url_for。之前我们都是直接返回字符串，真实网站页面是HTML，Flask内置Jinja2模板引擎用来渲染网页。## 📖 本节课目标。
第 37 章 案例七：金融风控反欺诈分析
本篇是案例系列的第七篇，用一份模拟的交易流水数据走完反欺诈建模全流程：数据模拟 → 欺诈占比与金额分布探索 → 金额/频次/时间窗口/设备地点特征工程 → 类别不平衡处理（class_weight 与 SMOTE）→ 逻辑回归与随机森林对比 → PR-AUC 与召回率评估 → 风控规则与阈值建议 → 结论与行动建议。前置知识：[第 36 章](36-pandas与sklearn建模完整流程.md)的 Pipeline 与评估指标。学完后你能独立做一份"能上线、可解释、不漏欺诈"的风控初版模型。
Flask从零到精通｜第2课：路由系统与URL动态传参
前置：已经完成第一课，成功跑通 Hello Flask 项目。本节课学习目标。掌握静态路由定义。学会 URL 动态传参（变量路由）。路由变量类型限制（int、string、path）。多路由绑定同一个视图函数。指定 HTTP 请求方法 GET / POST。url_for 反向构建URL。
Flask 从零到精通｜第 1 课：搭建虚拟环境，编写并运行第一个 Flask 程序
# 第一课 复习+答疑。> 本节课目标：成功搭建虚拟环境，跑通 Hello Flask，理解基础代码含义。## 回顾操作清单。1. 新建项目文件夹 `flask-demo`，cd 进入目录。2. 创建虚拟环境。```bash。# Mac/Linux。python3 -m venv venv。# Windows。
Flask 从零到精通学习计划全系列
Flask 从零到精通学习计划。> 学习模式：我们一节一节推进，每完成一节，你回复**下一步**，我再开启下一章。> 前置基础：你需要懂 Python 基础（变量、函数、类、模块、pip），不懂我们可以先补 Python。> 环境推荐：Mac / Windows / Linux，Python3.8+。
第 36 章 pandas 与 sklearn 建模完整流程
本篇把 pandas 从"数据处理"延伸到"机器学习建模"，给出一条"DataFrame 进、模型出"的完整可运行流水线：数据清洗 → 特征工程 → 划分训练/测试集 → 用 `ColumnTransformer + Pipeline` 把编码、缩放、模型串起来 → 训练预测 → 分类/回归评估 → 交叉验证 → 特征重要性 → 模型解释要点。前置知识：前面章节的 DataFrame 操作、[第 35 章](35-特征工程与数据预处理.md)的特征工程。学完后你能把任意一份表格数据喂给 sklearn，并避开"数据泄漏""列名丢失""流程割裂"这三个最常见的坑。
第 35 章 特征工程与数据预处理
本篇把 pandas 与 scikit-learn 串成一条可运行的预处理链路，覆盖缺失值策略、类别编码、数值缩放与分箱、时间特征、文本 TF-IDF、特征选择，以及最容易翻车的"训练集/测试集划分与防数据泄漏"。前置知识：第 7 章缺失值、第 8 章类型转换、第 14 章时间序列。学完后你能把一份脏数据变成模型可直接吃下的特征矩阵，并自信地说"我这套预处理没有泄漏未来信息"。
第 34 章 pandas 与 PostgreSQL 实战：大结果集与连接池
本篇讲解 pandas 连接 PostgreSQL（psycopg2 / SQLAlchemy）的工程化实战，覆盖类型映射、大结果集分块与流式读取、SQLAlchemy 连接池配置、COPY 批量导入导出，以及与 MySQL 的差异对照。前置知识：第 4 章基础读写、第 22 章数据库读写优化、[第 33 章](33-pandas与MySQL实战：读写与SQL对比.md)。学完后你能让 pandas 在生产库上既不撑爆内存、也不打满连接数，安全高效地完成"查询 → 清洗 → 回写"全链路。
第 33 章 pandas 与 MySQL 实战：读写与 SQL 对比
本篇把 pandas 真正接到生产数据库上，覆盖 **SQLAlchemy 连接、建表 DDL、read_sql 读取、to_sql 写入、参数化查询防 SQL 注入、chunksize 大批量写入、pandas 操作与 SQL 语句对照表**，以及时区/类型映射/字符集/事务四大常见坑。前置知识：已掌握[第 22 章](22-数据读写进阶.md)的数据库读写基础、会写基础 SELECT/JOIN/GROUP BY。学完后你能独立搭一条"CSV → 清洗 → 入库 → SQL 反查 → 报表"的数据管道，并自信应对面试中"pandas 怎么连 MySQL"这类题。