• flask入门（四）前后端数据传输

    文章目录

    1、flask后端接收来自前端的数据

    1）如果前端提交的方法为POST

    后端接收时的代码：

    xx=request.form.get('xx');
xx=request.form['xx']

    • 1
    • 2

    2）如果前段提交的方法是GET

    xx=request.args.get(xx)

    • 1

    2、flask后端向前端传数据

    传送单个数据：

    return render_template('html文件',xx='xx')

    • 1

    传送多个数据：先把数据写进字典，字典整体进行传输

    return render_template('html文件',xx='字典变量')

    • 1

    3、案例

    目录结构：
    在这里插入图片描述
    index.py文件：

    # --*-- coding:utf-8 --*--
# @Author : 一只楚楚猫
# @File : index.py
# @Software : PyCharm

from flask import *
from sentence_transformers import SentenceTransformer
import torch.nn as nn
import torch
import torch.nn.functional as F

model = SentenceTransformer(r'E:\楚楚猫\code\python\01design\01creativity\01distance\all-MiniLM-L6-v2')

app = Flask(__name__)

result = dict()
result["results"] = ""


@app.route('/', methods=('GET', 'POST'))
def index():
    global result
    if request.method == 'POST':
        step1 = request.form.get("step1")
        step2 = request.form.get("step2")
        step3 = request.form.get("step3")
        step4 = request.form.get("step4")

        # 用户输入的内容
        sentences = [step1, step2, step3, step4]

        results = list()

        # 384维
        embeddings = torch.FloatTensor(model.encode(sentences))

        # p=2就是计算欧氏距离，p=1就是曼哈顿距离
        euclidean_distance = nn.PairwiseDistance(p=2)

        for i in range(0, embeddings.size()[0]):
            for j in range(i + 1, embeddings.size()[0]):
                cosine_similarity = round(F.cosine_similarity(embeddings[i], embeddings[j], dim=0).item(), 4)
                distance = round(euclidean_distance(embeddings[i], embeddings[j]).item(), 4)

                results.append(
                    f"step{i + 1} & step{j + 1}的相关性：{cosine_similarity}       step{i + 1} & step{j + 1}的距离：{distance}")

                print(
                    f"step{i + 1} & step{j + 1}之间的相关性：{cosine_similarity}step{i + 1} & step{j + 1}之间的距离：{distance}")

        result["results"] = results

        return render_template('hello.html', result=result)

    return render_template('hello.html', result=result)


if __name__ == '__main__':
    app.run(port=11252)


    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60

    hello.html文件：

    DOCTYPE html>
<html lang="en">
<meta charset="utf-8">
<head>
    <meta name="viewport" content="width=device-width, initial-scale=1.0, maximum-scale=1.0, user-scalable=no"/>
    <meta http-equiv="content-type" content="text/html;charset=utf-8">
    <meta http-equiv="X-UA-Compatible" content="IE=edge,chrome=1">
    <title>欢迎来到我的世界title>

    <link href="../static/css/style.css" rel="stylesheet" type="text/css">
head>

<div id="container">
    <div id="output">
        <div class="containerT">
            <h1>Yimoh1>
            <form class="form" id="entry_form" method="post">
                <h2><input type="text" name="step1" style="height:30px">h2><br>
                <h2><input type="text" name="step2" style="height:30px">h2><br>
                <h2><input type="text" name="step3" style="height:30px">h2><br>
                <h2><input type="text" name="step4" style="height:30px">h2><br>
                <center>
                    <button><h3>Click me!(๑•̀ㅂ•́)و✧h3>button>
                center>

                {{result.results}}
            form>
        div>
    div>
div>


body>
html>

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34

    上面涉及到的sentence_transformers模块来自论文：《Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks》，使用孪生网络（Siamse Network）将两个文本映射到特征空间得到特征向量（384维）

    参考文献

    1、flask 前端（html）与后端（python）相互传数据：https://www.cnblogs.com/zzai/p/html_dataStream.html
    2、如何从Python发布数据并进入Flask前端：https://www.cnpython.com/qa/1513860

  • 相关阅读:
    深入浅出 JavaScript 模块化
    Pandas分组聚合_Python数据分析与可视化
    不是单例的单例——巧用ClassLoader
    pytest文档81 - 如何管理Captured logging日志
    力扣数组2（C++）
    kubelet如何避免节点频繁切换“资源不足”和“资源充足”状态？
    猿创征文｜分布式事务常见解决方案
    每日三题 8.12
    关于AtomSeg程序移植问题（持续更新）
    源码分析：如何开发规则链
  • 原文地址：https://blog.csdn.net/julac/article/details/133965741