


Bagaimana untuk Mengemas kini Secara Dinamik dan Memaparkan Data Distrim daripada Paparan Kelalang?
Memaparkan Data yang Distrim daripada Flask View semasa Ia Kemas Kini
Pengenalan
Dalam aplikasi Flask, ia selalunya wajar untuk dipaparkan data yang dijana atau dikemas kini dalam masa nyata. Walaupun Flask mempunyai sokongan terbina dalam untuk respons penstriman, memasukkan data ini ke dalam templat HTML boleh menjadi mencabar. Artikel ini meneroka cara mengemas kini, memformat dan memaparkan data secara dinamik semasa ia distrim ke halaman.
Menstrim data dalam Flask
Untuk menstrim data dalam Flask, anda boleh menggunakan penjana sebagai tindak balas kepada laluan. Setiap kali tindak balas diulang, penjana menghasilkan sebahagian daripada data kepada pelanggan. Contohnya:
@app.route('/') def index(): def inner(): for i in range(500): # simulate a long process to watch j = math.sqrt(i) time.sleep(1) # this value should be inserted into an HTML template yield str(i) + '<br/>\n' return flask.Response(inner(), mimetype='text/html')
Kod ini mensimulasikan proses yang berjalan lama yang menjana nilai setiap saat. Nilai ini kemudiannya distrim ke respons sebagai serpihan HTML.
Mengendalikan data yang distrim dalam JavaScript
Sementara Flask menyokong respons penstriman, templat HTML dipaparkan sekali pada bahagian pelayan dan tidak boleh dikemas kini secara dinamik. Untuk mengendalikan data yang distrim dalam penyemak imbas, anda boleh menggunakan JavaScript untuk membuat permintaan ke titik akhir dan memproses data yang distrim apabila ia tiba.
Satu pendekatan ialah menggunakan objek XMLHttpRequest (XHR) untuk membuat permintaan untuk titik akhir penstriman. Anda kemudian boleh периодически membaca data daripada respons sehingga ia selesai. Berikut ialah contoh:
var xhr = new XMLHttpRequest(); xhr.open('GET', '{{ url_for('stream') }}'); xhr.send(); var position = 0; function handleNewData() { // the response text includes the entire response so far // split the messages, then take the messages that haven't been handled yet // position tracks how many messages have been handled // messages end with a newline, so split will always show one extra empty message at the end var messages = xhr.responseText.split('\n'); messages.slice(position, -1).forEach(function(value) { // Update the displayed data using JavaScript latest.textContent = value; // update the latest value in place // Append the current value to a list to log all output var item = document.createElement('li'); item.textContent = value; output.appendChild(item); }); position = messages.length - 1; } // Check for new data periodically var timer; timer = setInterval(function() { // check the response for new data handleNewData(); // stop checking once the response has ended if (xhr.readyState == XMLHttpRequest.DONE) { clearInterval(timer); latest.textContent = 'Done'; } }, 1000);
Kod JavaScript ini menggunakan objek XMLHttpRequest untuk membuat permintaan ke titik akhir penstriman. Ia kemudian menyediakan pemasa untuk menyemak data baharu secara berkala dan mengemas kini halaman dengan sewajarnya.
Menggunakan iframe untuk output HTML yang distrim
Satu lagi pendekatan untuk memaparkan data yang distrim daripada paparan Flask adalah menggunakan iframe. Iframe ialah dokumen berasingan yang boleh digunakan untuk memaparkan output HTML yang distrim. Berikut ialah contoh:
@app.route('/stream') def stream(): @stream_with_context def generate(): # Serve initial CSS to style the iframe yield render_template_string('<link rel=stylesheet href="{{ url_for("static", filename="stream.css") }}">') # Continuously stream HTML content within the iframe for i in range(500): yield render_template_string('<p>{{ i }}: {{ s }}</p>\n', i=i, s=sqrt(i)) sleep(1) return app.response_class(generate())
<p>This is all the output:</p> <iframe src="{{ url_for('stream') }}"></iframe>
Kod ini menggunakan penghias stream_with_context untuk meningkatkan penjana bagi menyokong fungsi tambahan. Ia menyediakan CSS awal untuk menggayakan iframe dan terus menstrim kandungan HTML dalam iframe. Templat HTML dalam iframe boleh menjadi lebih kompleks dan boleh memasukkan pemformatan berbeza mengikut keperluan.
Atas ialah kandungan terperinci Bagaimana untuk Mengemas kini Secara Dinamik dan Memaparkan Data Distrim daripada Paparan Kelalang?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Penyelesaian kepada Isu Kebenaran Semasa Melihat Versi Python di Terminal Linux Apabila anda cuba melihat versi Python di Terminal Linux, masukkan Python ...

Bagaimana Mengajar Asas Pengaturcaraan Pemula Komputer Dalam masa 10 jam? Sekiranya anda hanya mempunyai 10 jam untuk mengajar pemula komputer beberapa pengetahuan pengaturcaraan, apa yang akan anda pilih untuk mengajar ...

Apabila menggunakan Perpustakaan Pandas Python, bagaimana untuk menyalin seluruh lajur antara dua data data dengan struktur yang berbeza adalah masalah biasa. Katakan kita mempunyai dua DAT ...

Cara mengelakkan dikesan semasa menggunakan fiddlerevery di mana untuk bacaan lelaki-dalam-pertengahan apabila anda menggunakan fiddlerevery di mana ...

Ekspresi biasa adalah alat yang berkuasa untuk memadankan corak dan manipulasi teks dalam pengaturcaraan, meningkatkan kecekapan dalam pemprosesan teks merentasi pelbagai aplikasi.

Bagaimanakah Uvicorn terus mendengar permintaan HTTP? Uvicorn adalah pelayan web ringan berdasarkan ASGI. Salah satu fungsi terasnya ialah mendengar permintaan HTTP dan teruskan ...

Artikel ini membincangkan perpustakaan Python yang popular seperti Numpy, Pandas, Matplotlib, Scikit-Learn, Tensorflow, Django, Flask, dan Permintaan, memperincikan kegunaan mereka dalam pengkomputeran saintifik, analisis data, visualisasi, pembelajaran mesin, pembangunan web, dan h

Di Python, bagaimana untuk membuat objek secara dinamik melalui rentetan dan panggil kaedahnya? Ini adalah keperluan pengaturcaraan yang biasa, terutamanya jika perlu dikonfigurasikan atau dijalankan ...
