我的创建事件管理 CLI 应用程序的旅程
介绍
作为软件开发的初学者,最令人兴奋和艰巨的任务之一就是创建您的第一个重要项目。对我来说,这是事件管理 CLI 应用程序。这个项目不仅帮助我巩固了对 Python 的理解,还向我介绍了 SQLAlchemy ORM、Click 等 CLI 库以及软件开发的一般最佳实践。回顾这段旅程,我意识到我学到了很多东西,以及这些技能如何塑造了我作为开发人员的信心。
开始:学习 Python 基础知识
在深入这个项目之前,我的旅程从 Python 基础知识开始。学习 Python 的语法、控制结构、数据类型和函数是解决这个项目的基础。我记得编写简单脚本、调试错误以及每次成功运行所带来的小胜利的日子。理解这些基础知识至关重要,因为它们构成了任何 Python 项目的基石。
我早期学到的最有用的方面之一是如何管理和操作不同的数据结构,特别是列表、字典和元组。当我开始使用事件管理 CLI 应用程序时,这些技能至关重要,我必须高效地存储和处理多个数据。
深入项目:设置环境
创建事件管理 CLI 应用程序的第一步是设置环境。使用 Pipenv 进行虚拟环境管理是一种全新的体验。它简化了管理依赖项的过程,并确保项目环境与系统的其余部分隔离。
以下是我设置虚拟环境的方法:
pipenv install pipenv shell
接下来,我初始化了 Alembic 以进行数据库迁移。此步骤对于管理数据库架构随时间的变化至关重要。
alembic init migrations alembic revision --autogenerate -m "Create Initial models" alembic upgrade head
建立模型
应用程序的核心在于它的模型。使用 SQLAlchemy ORM,我定义了用户、事件、日程安排和与会者的模型。这就是我对 Python 类和 SQLAlchemy 的理解的结合点。这是 models.py 文件的片段:
from sqlalchemy import Column, Integer, String, ForeignKey, DateTime, create_engine from sqlalchemy.ext.declarative import declarative_base from sqlalchemy.orm import relationship, sessionmaker Base = declarative_base() class User(Base): __tablename__ = 'users' id = Column(Integer, primary_key=True) username = Column(String, unique=True, nullable=False) class Event(Base): __tablename__ = 'events' id = Column(Integer, primary_key=True) name = Column(String, nullable=False) description = Column(String) user_id = Column(Integer, ForeignKey('users.id')) user = relationship('User', back_populates='events') class EventSchedule(Base): __tablename__ = 'event_schedules' id = Column(Integer, primary_key=True) event_id = Column(Integer, ForeignKey('events.id')) start_time = Column(DateTime, nullable=False) end_time = Column(DateTime, nullable=False) event = relationship('Event', back_populates='schedules') class Attendee(Base): __tablename__ = 'attendees' id = Column(Integer, primary_key=True) name = Column(String, nullable=False) event_id = Column(Integer, ForeignKey('events.id')) event = relationship('Event', back_populates='attendees') User.events = relationship('Event', order_by=Event.id, back_populates='user') Event.schedules = relationship('EventSchedule', order_by=EventSchedule.id, back_populates='event') Event.attendees = relationship('Attendee', order_by=Attendee.id, back_populates='event')
有用的技术方面:SQLAlchemy 中的关系
我在这个项目中学到的最有用的技术方面之一是处理 SQLAlchemy 中的关系。使用 SQLAlchemy 的 ORM 定义表之间的关系可以更轻松地管理数据和执行查询。例如,在用户和事件之间建立一对多关系使我可以轻松查询特定用户创建的所有事件。
这是我如何定义用户和事件之间的关系:
class User(Base): __tablename__ = 'users' id = Column(Integer, primary_key=True) username = Column(String, unique=True, nullable=False) events = relationship('Event', order_by='Event.id', back_populates='user') class Event(Base): __tablename__ = 'events' id = Column(Integer, primary_key=True) name = Column(String, nullable=False) description = Column(String) user_id = Column(Integer, ForeignKey('users.id')) user = relationship('User', back_populates='events')
这个关系定义让我可以轻松查询用户的事件:
def get_user_events(user_id): user = session.query(User).filter(User.id == user_id).first() return user.events
实施 CLI
应用程序的 CLI 部分是使用 Click 实现的。该库使创建可以处理各种命令和选项的命令行界面变得简单。这是 cli.py 文件的片段:
import click from models import User, Event, EventSchedule, Attendee from db import session @click.group() def cli(): pass @click.command() def create_event(): name = click.prompt('Enter event name') description = click.prompt('Enter event description') user_id = click.prompt('Enter user ID', type=int) event = Event(name=name, description=description, user_id=user_id) session.add(event) session.commit() click.echo('Event created!') cli.add_command(create_event) if __name__ == '__main__': cli()
回顾过去
回顾过去,这个项目是我作为开发者旅程中的一个重要里程碑。它从学习 Python 的基础知识开始,这为理解更复杂的概念奠定了基础。事件管理 CLI 应用程序项目完美融合了 Python、SQL 和命令行界面,提供了全面的学习体验。
这个项目最大的收获之一是编码中结构和组织的重要性。使用虚拟环境、管理依赖关系以及维护干净的项目结构使开发过程更加顺畅和高效。
此外,SQLAlchemy ORM 和 Click 的实践经验强化了我所获得的理论知识。了解如何定义表之间的关系、执行数据库迁移以及创建用户友好的 CLI 是非常宝贵的技能。
结论
创建事件管理 CLI 应用程序是一次充满挑战但又有益的经历。它巩固了我对 Python 和 SQLAlchemy 的理解,向我介绍了软件开发的最佳实践,并增强了我解决问题的能力。对于任何想要成长为开发人员的初学者,我强烈建议深入研究这样的项目。这是应用您所学知识、发现新工具和技术以及构建令您引以为豪的有形事物的绝佳方式。
https://github.com/migsldev/event-management-app
以上是我的创建事件管理 CLI 应用程序的旅程的详细内容。更多信息请关注PHP中文网其他相关文章!

本教程演示如何使用Python处理Zipf定律这一统计概念,并展示Python在处理该定律时读取和排序大型文本文件的效率。 您可能想知道Zipf分布这个术语是什么意思。要理解这个术语,我们首先需要定义Zipf定律。别担心,我会尽量简化说明。 Zipf定律 Zipf定律简单来说就是:在一个大型自然语言语料库中,最频繁出现的词的出现频率大约是第二频繁词的两倍,是第三频繁词的三倍,是第四频繁词的四倍,以此类推。 让我们来看一个例子。如果您查看美国英语的Brown语料库,您会注意到最频繁出现的词是“th

本文解释了如何使用美丽的汤库来解析html。 它详细介绍了常见方法,例如find(),find_all(),select()和get_text(),以用于数据提取,处理不同的HTML结构和错误以及替代方案(SEL)

处理嘈杂的图像是一个常见的问题,尤其是手机或低分辨率摄像头照片。 本教程使用OpenCV探索Python中的图像过滤技术来解决此问题。 图像过滤:功能强大的工具 图像过滤器

本文比较了Tensorflow和Pytorch的深度学习。 它详细介绍了所涉及的步骤:数据准备,模型构建,培训,评估和部署。 框架之间的关键差异,特别是关于计算刻度的

Python是数据科学和处理的最爱,为高性能计算提供了丰富的生态系统。但是,Python中的并行编程提出了独特的挑战。本教程探讨了这些挑战,重点是全球解释

本教程演示了在Python 3中创建自定义管道数据结构,利用类和操作员超载以增强功能。 管道的灵活性在于它能够将一系列函数应用于数据集的能力,GE

Python 对象的序列化和反序列化是任何非平凡程序的关键方面。如果您将某些内容保存到 Python 文件中,如果您读取配置文件,或者如果您响应 HTTP 请求,您都会进行对象序列化和反序列化。 从某种意义上说,序列化和反序列化是世界上最无聊的事情。谁会在乎所有这些格式和协议?您想持久化或流式传输一些 Python 对象,并在以后完整地取回它们。 这是一种在概念层面上看待世界的好方法。但是,在实际层面上,您选择的序列化方案、格式或协议可能会决定程序运行的速度、安全性、维护状态的自由度以及与其他系

Python的statistics模块提供强大的数据统计分析功能,帮助我们快速理解数据整体特征,例如生物统计学和商业分析等领域。无需逐个查看数据点,只需查看均值或方差等统计量,即可发现原始数据中可能被忽略的趋势和特征,并更轻松、有效地比较大型数据集。 本教程将介绍如何计算平均值和衡量数据集的离散程度。除非另有说明,本模块中的所有函数都支持使用mean()函数计算平均值,而非简单的求和平均。 也可使用浮点数。 import random import statistics from fracti


热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

mPDF
mPDF是一个PHP库,可以从UTF-8编码的HTML生成PDF文件。原作者Ian Back编写mPDF以从他的网站上“即时”输出PDF文件,并处理不同的语言。与原始脚本如HTML2FPDF相比,它的速度较慢,并且在使用Unicode字体时生成的文件较大,但支持CSS样式等,并进行了大量增强。支持几乎所有语言,包括RTL(阿拉伯语和希伯来语)和CJK(中日韩)。支持嵌套的块级元素(如P、DIV),

SublimeText3 英文版
推荐:为Win版本,支持代码提示!

Dreamweaver Mac版
视觉化网页开发工具

Atom编辑器mac版下载
最流行的的开源编辑器

禅工作室 13.0.1
功能强大的PHP集成开发环境