Python Flask中的權限設置是怎樣的

這期內容當中小編將會給大家帶來有關Python Flask中的權限設置是怎樣的，文章內容豐富且以專業的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

我們設置了系統的注冊和登陸功能，已經基本滿足了一個小型 Web 應用的需求。如果我們想通過這個網站來賺些小錢呢，就需要提供更高級的功能，當然這些高級功能不是免費開放的，設計一個權限系統，來控制高級應用的使用。

撰寫高級功能

所謂的高級功能就是用戶舍得花錢去購買的功能，像我這種喜歡薅羊毛的主，只配用用基礎功能了。

我這里設計的高級功能，就是豐富 K 線圖，在我們原來 K 線圖的基礎上添加移動平均線和成交量。

移動平均線

移動平均線是技術分析中非常普遍的一項指標，“平均”是指單位周期內的平均收盤價格，“移動”則是指將新的交易日收盤價納入計算周期的同時，剔除最早的交易收盤價。

我們先來觀察下通過 tushare 獲取到的數據

可以看到，數據中的 Ma5、Ma10 和 Ma20 值可以用來制作移動平均線，可以通過折線圖的方式來展現。

import pyecharts.options as opts
from pyecharts.charts import Line
def moving_average() -> Line:
 c = (
 Line()
 .add_xaxis(df.index.tolist())
 .add_yaxis("Ma5", df['ma5'].values.tolist(), is_smooth=True)
 .add_yaxis("Ma10", df['ma10'].values.tolist(), is_smooth=True)
 .add_yaxis("Ma20", df['ma20'].values.tolist(), is_smooth=True)
 .set_global_opts(title_opts=opts.TitleOpts(title="移動平均線"))
 .set_series_opts(
 label_opts=opts.LabelOpts(is_show=False),
 )
 )
 return c
moving_average().render_notebook()

成交量

對于成交量，可以通過柱狀圖來展示，柱狀圖的高度，就是成交量的大小。把上漲時的成交量顯示成紅色，下跌時的成交量顯示成綠色。

import pyecharts.options as opts
from pyecharts.charts import Line, Bar
volume_rise=[df.volume[x] if df.close[x] > df.open[x] else "0" for x in range(0, len(df.index))]
volume_drop=[df.volume[x] if df.close[x] <= df.open[x] else "0" for x in range(0, len(df.index))]
def volume() -> Bar:
 c = (
 Bar()
 .add_xaxis(df.index.tolist())
 .add_yaxis("volume_rise", volume_rise, stack=True, color=["#ec0000"])
 .add_yaxis("volume_drop", volume_drop, stack=True, color=["#00da3c"])
 .set_global_opts(title_opts=opts.TitleOpts(title="成交量"),
 datazoom_opts=[opts.DataZoomOpts()],)
 .set_series_opts(
 label_opts=opts.LabelOpts(is_show=False),
 )
 )
 return c
volume().render_notebook()

集成三個圖表

下面我們就把三個圖標，K 線圖，移動平均線圖和成交量圖合成到一起
首先把 K 線圖和移動平均線圖層疊到一起

def kline_base() -> Kline:
 kline = (
 Kline()
 .add_xaxis(df.index.tolist())
 .add_yaxis("日K圖", df[['open', 'close', 'low', 'high']].values.tolist(), markpoint_opts=opts.MarkLineOpts(
 data=[opts.MarkLineItem(type_="max", value_dim="close")]
 ), markline_opts=opts.MarkLineOpts(
 data=[opts.MarkLineItem(type_="max", value_dim="close")]
 ),
 itemstyle_opts=opts.ItemStyleOpts(
 color="#ec0000",
 color0="#00da3c",
 border_color="#8A0000",
 border_color0="#008F28",
 ),
 )
 .set_global_opts(
 yaxis_opts=opts.AxisOpts(is_scale=True,
 splitarea_opts=opts.SplitAreaOpts(
 is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
 ),
 ),
 xaxis_opts=opts.AxisOpts(is_scale=True,
 axislabel_opts=opts.LabelOpts(rotate=-30)),
 title_opts=opts.TitleOpts(title="股票走勢"),
 datazoom_opts=[opts.DataZoomOpts()],
 toolbox_opts=opts.ToolboxOpts(is_show=True),
 )
 )
 line = (
 Line()
 .add_xaxis(df.index.tolist())
 .add_yaxis("Ma5", df['ma5'].values.tolist(), is_smooth=True)
 .add_yaxis("Ma10", df['ma10'].values.tolist(), is_smooth=True)
 .add_yaxis("Ma20", df['ma20'].values.tolist(), is_smooth=True)
 .set_global_opts(title_opts=opts.TitleOpts(title="移動平均線"))
 .set_series_opts(
 label_opts=opts.LabelOpts(is_show=False),
 )
 )
 kline.overlap(line)
 return kline

接下來再通過 grid 把成交量圖添加到主圖表中

...
 bar = (
 Bar()
 .add_xaxis(df.index.tolist())
 .add_yaxis("volume_rise", volume_rise, stack=True, color=["#ec0000"], )
 .add_yaxis("volume_drop", volume_drop, stack=True, color=["#00da3c"], )
 .set_global_opts(title_opts=opts.TitleOpts(),
 legend_opts=opts.LegendOpts(pos_right="20%"))
 .set_series_opts(
 label_opts=opts.LabelOpts(is_show=False),
 )
 )
 
 overlap_kline_line = kline.overlap(line)
 grid = Grid()
 grid.add(
 overlap_kline_line,
 grid_opts=opts.GridOpts(pos_left="10%", pos_right="8%", height="50%"),
 )
 grid.add(
 bar,
 grid_opts=opts.GridOpts(
 pos_left="10%", pos_right="8%", pos_top="70%", height="16%"
 ),
 )
...

至此，我們所謂的“高級”圖表就完成了，下面就開始結合 Flask，嵌入我們產生的圖表

編寫各個圖表頁面

首先我們先把新產生的兩個圖表嵌入到 Web 應用中，每個圖表都是一個獨立的頁面

后臺函數

先來創建生成移動平均線和成交量圖表的函數

# 移動平均線
def moving_average_chart(mydate, data_5, data_10, data_20, name) -> Line:
 moving_average = (
 Line()
 .add_xaxis(mydate)
 .add_yaxis("ma5", data_5, is_smooth=True)
 .add_yaxis("ma10", data_10, is_smooth=True)
 .add_yaxis("ma20", data_20, is_smooth=True)
 .set_global_opts(title_opts=opts.TitleOpts(title="%s-移動平均線" % name),
 datazoom_opts=[opts.DataZoomOpts()],
 )
 .set_series_opts(
 label_opts=opts.LabelOpts(is_show=False),
 )
 )
 return moving_average
# 成交量
def volume_chart(mydate, volume_rise, volume_drop, name) -> Bar:
 bar = (
 Bar()
 .add_xaxis(mydate)
 .add_yaxis("volume_rise", volume_rise, stack=True, color=["#ec0000"])
 .add_yaxis("volume_drop", volume_drop, stack=True, color=["#00da3c"])
 .set_global_opts(title_opts=opts.TitleOpts(title="%s-成交量" % name),
 datazoom_opts=[opts.DataZoomOpts()],)
 .set_series_opts(
 label_opts=opts.LabelOpts(is_show=False),
 )
 )
 return bar

然后再修改 get_stock_data 函數，返回我們需要的數據

def get_stock_data(code, ctime):
 df = ts.get_hist_data(code)
 df_time = df[:ctime]
 mydate = df_time.index.tolist()
 kdata = df_time[['open', 'close', 'low', 'high']].values.tolist()
 madata_5 = df_time['ma5'].values.tolist()
 madata_10 = df_time['ma10'].values.tolist()
 madata_20 = df_time['ma20'].values.tolist()
 volume_rise = [df_time.volume[x] if df_time.close[x] > df_time.open[x] else "0" for x in range(0, len(df_time.index))]
 volume_drop = [df_time.volume[x] if df_time.close[x] <= df_time.open[x] else "0" for x in range(0, len(df_time.index))]
 return [mydate, kdata, madata_5, madata_10, madata_20, volume_rise, volume_drop]

接著再增加生成兩個圖表所對應的視圖函數

@app.route("/Line", methods=['GET', 'POST'])
def get_moving_average():
 stock_name = request.form.get('stockName')
 query_time = request.form.get('queryTime')
 if not stock_name:
 stock_name = '平安銀行'
 if not query_time:
 query_time = 30
 if int(query_time) > 30:
 if current_user.is_authenticated:
 pass
 else:
 abort(403)
 status, stock_code = check_stock(stock_name)
 if status == 0:
 return 'error stock code or name'
 mydate, kdata, madata_5, madata_10, madata_20, volume_rise, volume_drop = get_stock_data(stock_code[0], int(query_time))
 c = moving_average_chart(mydate, madata_5, madata_10, madata_20, stock_code[1])
 return c.dump_options()
@app.route("/Bar", methods=['GET', 'POST'])
def get_volume():
 stock_name = request.form.get('stockName')
 query_time = request.form.get('queryTime')
 if not stock_name:
 stock_name = '平安銀行'
 if not query_time:
 query_time = 30
 if int(query_time) > 30:
 if current_user.is_authenticated:
 pass
 else:
 abort(403)
 status, stock_code = check_stock(stock_name)
 if status == 0:
 return 'error stock code or name'
 mydate, kdata, madata_5, madata_10, madata_20, volume_rise, volume_drop = get_stock_data(stock_code[0], int(query_time))
 c = volume_chart(mydate, volume_rise, volume_drop, stock_code[1])
 return c.dump_options()

然后還要添加對應的前端頁面

@app.route("/mavg", methods=['GET', 'POST'])
def moving_average():
 return render_template("mavg.html")
@app.route("/volume", methods=['GET', 'POST'])
def volume():
 return render_template("volume.html")

最后創建上面的兩個 html 文件，并修改

{% extends "base.html" %}
{% block title %}我的股票走勢圖{% endblock %}
{% block page_content %}
{% for message in get_flashed_messages() %}
<div class="alert alert-warning">
 <button type="button" class="close" data-dismiss="alert">×</button>
 {{ message }}
 </div>
{% endfor %}
<body>
 <div id="form-div">
 <form id="form1" onsubmit="return false" action="#" method="post">
 <p id="p1">股票名稱：
 <input name="stockName" type="text" id="stockName" tabindex="1" size="16" value="" placeholder="股票名稱"/>
<!-- <input type="button" onclick="add1();" value="添加" />-->
 </p>
 <p id="p2">查詢時間：
 <input name="queryTime" type="text" id="queryTime" tabindex="2" size="16" value="" placeholder="輸入30查詢近30天數據"/>
 </p>
 <p><input type="submit" value="查詢" onclick="getData()"></p>
 </form>
 </div>
 <div id="Bar" style="width:1000px; height:600px;"></div>
 <script>
 $(
 function () {
 var chart = echarts.init(document.getElementById('Bar'), 'white', {renderer: 'canvas'});
 $.ajax({
 type: "GET",
 url: "http://127.0.0.1:5000/Bar",
 dataType: 'json',
 success: function (result) {
 chart.setOption(result);
 }
 });
 }
 );
 function getData() {
 var chart = echarts.init(document.getElementById('Bar'), 'white', {renderer: 'canvas'});
 $.ajax({
 type: "POST",//方法類型
 dataType: "json",//預期服務器返回的數據類型
 url: "/Bar" ,//url
 data: $('#form1').serialize(),
 success: function (result) {
 chart.setOption(result);
 },
 error: function(err) {
 if (err.status === 403) {
 alert("請先登陸系統！");
 }
 else {
 alert("錯誤的股票代碼！");
 }
 }
 });
 }
 function add1(){
 var input1 = document.createElement('input');
 input1.setAttribute('type', 'text');
 input1.setAttribute('name', 'organizers[]');
 var btn1 = document.getElementById("p1");
 //btn1.insertBefore(input1,null);
 btn1.appendChild(input1);
 }
 </script>
</body>
{% endblock %}
{% block scripts %}
{{ super() }}
 <script src="https://cdn.bootcss.com/jquery/3.0.0/jquery.min.js"></script>
 <script type="text/javascript" src="https://assets.pyecharts.org/assets/echarts.min.js"></script>
{% endblock %}

同時在 base.html 中添加入口地址

...
<ul class="nav navbar-nav">
 <li><a href="{{ url_for('moving_average')}}">Moving Average</a></li>
 </ul>
 <ul class="nav navbar-nav">
 <li><a href="{{ url_for('volume')}}">Volume</a></li>
 </ul>
...

現在我們的 Web 應用就是下圖的樣子了

下面我們就可以進入今天的正題了，設置權限。

權限設計

定義表結構

首先定義權限表結構

class Role(db.Model):
 __tablename__ = 'roles'
 id = db.Column(db.Integer, primary_key=True)
 name = db.Column(db.String(64), unique=True)
 users = db.relationship('WebUser', backref='role')
 @staticmethod
 def init_roles():
 roles = ['User', 'Admin']
 for r in roles:
 role = Role.query.filter_by(name=r).first()
 if role is None:
 role = Role(name=r)
 db.session.add(role)
 db.session.commit()

我們定義了兩種權限，User 和 Admin，那么只有擁有 Admin 權限的用戶才可以訪問高級功能。

這里還使用了外鍵關聯到了 WebUser 表上，所以需要同步修改 WebUser 表

# 用戶表結構
class WebUser(UserMixin, db.Model):
 __tablename__ = 'webuser'
 id = db.Column(db.Integer, primary_key=True)
 user_id = db.Column(db.String(64), unique=True, index=True)
 email = db.Column(db.String(64), unique=True, index=True)
 username = db.Column(db.String(64), unique=True, index=True)
 password_hash = db.Column(db.String(128))
 role_id = db.Column(db.Integer, db.ForeignKey('roles.id'), default=1)
...

因為我們修改了原始表的表結構，所以需要進行表結構的遷移操作，這里可以使用插件 flask-migrate 來幫助我們實現

表結構遷移

先安裝 flask-migrate 插件

pip install flask-migrate

然后在程序中配置 flask_migrate

from flask_migrate import Migrate
...
migrate = Migrate(app, db, render_as_batch=True)
...

創建遷移倉庫

flask db init

該命令會在當前目錄下生成遷移文件夾，所有的遷移腳本都會保存在其中。

創建遷移腳本

flask db migrate

最后就是更新數據庫，如果你和我一樣是使用的 sqllite 數據庫的話，那么需要對遷移腳本做些修改

打開 migrations 下 versions 里的 py 文件，找到語句 “batch_op.create_foreign_key”，修改如下

batch_op.create_foreign_key('role_key', 'roles', ['role_id'], ['id'])

然后再執行下面的命令

flask db upgrade

最后我們初始化角色
進入 flask shell，執行如下操作完成角色表的初始化

flask shell
from app import Role
Role.init_roles()

這樣就完成了數據庫的遷移和初始化。

權限校驗

下面我們就可以開始編寫權限校驗部分了

校驗函數

對于校驗函數，我們可以寫在 WebUser 類中，這樣就可以通過 current_user 來調用

...
 def is_admin(self):
 if self.role_id is 2:
 return True
 else:
 return False
...

再創建一個必須是 admin role 的用戶才能訪問的視圖

@app.route('/fullchart/', methods=['GET', 'POST'])
@login_required
def fullchart():
 if current_user.is_admin():
 return "OK"
 flash('You have not permission to access this page')
 return redirect(url_for('index'))

整合前后端

把頁面入口添加到 base.html 頁面上

<ul class="nav navbar-nav">
 <li><a href="{{ url_for('fullchart')}}">Full Chart</a></li>
 </ul>

然后新建一個 full chart 函數，用于產生高級圖表

# full chart
def full_chart(mydate, kdata, data_5, data_10, data_20, volume_rise, volume_drop, name):
 kline = (
 Kline()
...

同樣的，編寫為前端提供的接口函數

@app.route("/FullChart", methods=['GET', 'POST'])
def get_fullcharte():
 stock_name = request.form.get('stockName')
 query_time = request.form.get('queryTime')
...

最后創建 fullchart.html 并做響應修改，同時把 fullchart 視圖函數指向該模板

@app.route('/fullchart/', methods=['GET', 'POST'])
@login_required
def fullchart():
 if current_user.is_admin():
 return render_template('fullchart.html')
 flash('You have not permission to access this page')
 return redirect(url_for('index'))

至此，我們的高級圖表功能也完成了

上述就是小編為大家分享的Python Flask中的權限設置是怎樣的了，如果剛好有類似的疑惑，不妨參照上述分析進行理解。如果想知道更多相關知識，歡迎關注億速云行業資訊頻道。