如何利用python web框架做文件流下載的實現(xiàn)示例
hello 大家好, 前不久公司里有個需求,把時序數(shù)據(jù)庫中的日志下載到本地. 大家都知道. 數(shù)據(jù)庫里的數(shù)據(jù) 都是存在數(shù)據(jù)庫里的(廢話). 想把他下載到客戶的本地. 有的同學(xué)第一反應(yīng)是: 只有文件才能下載. 所以大多數(shù)同學(xué)會想到先把數(shù)據(jù)從數(shù)據(jù)庫中讀出來,然后寫入到服務(wù)器中的某個文件夾下生成文件, 然后再下載. 其實這是非常不效率的方法, 最簡單的方法是,我們從數(shù)據(jù)庫中讀取到文件后, 直接以流的形式讓用戶去下載.
這里我拿python flask框架來做例子,其實非常簡單,步驟一共有3個
1: 取出數(shù)據(jù), 我們默認(rèn)為json文件吧
2: 在response中加入指定的header
3: 將數(shù)據(jù)返回.
那么廢話少說,我們直接上代碼:
# coding:utf-8
import json
from flask import Flask, make_response
app = Flask(__name__)
@app.route('/download', methods=["GET"])
def download():user = {'name': 'dewei', 'age': 33}
data = json.dumps(user)
response = make_response(data)
response.headers['content-type'] = 'application/octet-stream;charset=utf-8'
response.headers['content-disposition'] = 'attachment;filename=user.json'
return response
if __name__ == '__main__':
app.run(host='0.0.0.0', port=5005, debug=True)
這是一個非常簡單的demo.
flask的定義我們不去關(guān)心了. 這里最重要的是獲取response, 并且在response的headers中,加入content-type 定義為octet-stream 流的操作. 另外一個key是 content-disposition ,這里主要定義文件的名稱. 這兩部完成之后,我們只需要return response即可, 重點就在這兩個header上,然后傳入數(shù)據(jù)信息(這里我們定義了一個json,大家也可以定義其他文件,比如excel,當(dāng)然 excel請大家查詢一下對應(yīng)的content-type. 還是非常簡單的, 這個方法對于任何web框架都是用, 比如 我們常用的 django, tornado web.py 都是一樣, 只不過語法在不同的框架里,方法名和用法可能有簡單區(qū)別,但換湯不換藥,原理是一樣的.
最后說一下用法,一般來說 下載的鏈接都是 get 所以前端只需要定義個 a標(biāo)簽 添加 download屬性即可, demo如下:
<a href="xxxx/download" rel="external nofollow" download>文件下載</a>
到此這篇關(guān)于如何利用python web框架做文件流下載的實現(xiàn)示例的文章就介紹到這了,更多相關(guān)python 文件流下載內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要為大家詳細(xì)介紹了python數(shù)據(jù)類型中的字符串，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來幫助2022-02-02
PYTHON如何讀取和寫入EXCEL里面的數(shù)據(jù)
這篇文章主要介紹了PYTHON如何讀取和寫入EXCEL里面的數(shù)據(jù),文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2019-10-10
這篇文章主要介紹了Python基礎(chǔ)之矩陣輸入的實例，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2022-05-05
在Python編程過程中用單元測試法調(diào)試代碼的介紹
這篇文章主要介紹了在Python編程過程中用單元測試法調(diào)試代碼的介紹,包括使用斷言等,有助于debug時的效率提升,需要的朋友可以參考下2015-04-04
Python標(biāo)準(zhǔn)庫shutil模塊使用方法解析
這篇文章主要介紹了Python標(biāo)準(zhǔn)庫shutil模塊使用方法解析,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2020-03-03
Pytorch之nn.Upsample()和nn.ConvTranspose2d()用法詳解
nn.Upsample和nn.ConvTranspose2d是PyTorch中用于上采樣的兩種主要方法,nn.Upsample通過不同的插值方法（如nearest、bilinear）執(zhí)行上采樣,沒有可學(xué)習(xí)的參數(shù),適合快速簡單的尺寸增加,而nn.ConvTranspose2d通過可學(xué)習(xí)的轉(zhuǎn)置卷積核進行上采樣2024-10-10
在處理大量文件時,手動一個個打開是不是很麻煩,這時候,Python的os.startfile()就是你的救星啦,本文我們就來看看如何一行代碼打開各種類型的文件吧2024-12-12
這篇文章主要介紹了python調(diào)用并鏈接MATLAB腳本詳解,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2019-07-07
雪花算法是在一個項目體系中生成全局唯一ID標(biāo)識的一種方式，偶然間看到了Python使用雪花算法不盡感嘆真的是太便捷了。本文就來聊聊這具體的實現(xiàn)方法，感興趣的可以了解一下2022-11-11
詳解pandas數(shù)據(jù)合并與重塑（pd.concat篇）
這篇文章主要介紹了詳解pandas數(shù)據(jù)合并與重塑（pd.concat篇），文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-07-07