简介这是一套面向计算机专业本科生的毕业设计实战项目聚焦校园舆情监测与预警场景基于PythonDjangoMySQL技术栈实现完整Web系统。资源提供开箱即用的源码、MySQL数据库脚本、系统演示视频及配套文档覆盖用户管理、微博爬虫支持喀什大学等高校微博、负面舆情识别分析、可视化图表饼图/柱状图与阈值预警如负面占比超20%自动提示等核心功能。压缩包共419个文件含29个Python源文件、49个JS交互脚本、74个PNG/JPG图表与界面素材、23个CSS样式文件、16个HTML页面及1个SQL数据库导出文件整体72.55MB结构清晰便于理解MVC分层与前后端协同逻辑。目前已有322人学习下载适合毕设选题参考、Django项目实践、舆情分析入门及Web数据可视化复现。1. 这不是又一个“学生管理系统”它用 Python 实现了校园舆情从采集、清洗、分类到可视化预警的闭环专治毕业设计里“功能堆砌却跑不起来”的玄学翻车你是不是也见过太多标着“毕业设计”的 Python 项目——首页漂亮点登录就 500数据库字段名和代码里变量名对不上演示视频里操作流畅自己一跑就卡在pip install第二个包这份「基于 Python 的校园舆情管理系统」不是那种。它把一个真实可运行的轻量级舆情闭环拆成了五块网页端Flask、数据采集Requests BeautifulSoup 封装、文本清洗与关键词提取jieba TF-IDF、情感倾向分类朴素贝叶斯训练好的本地模型、前端预警看板ECharts 静态渲染。它不追求接入微博 API 或训练 BERT 大模型而是用 3 个核心表posts,comments,sentiment_logs 2 个预训练.pkl模型文件让 A 同学在某高校信息学院的毕设答辩中现场演示了从爬取校内论坛帖子、自动打上“食堂投诉”“教务通知”“社团招新”标签、实时计算负面情绪占比到弹出红色预警框的全过程。适合需要快速交付、有数据库实操要求、又不想被 NLP 黑匣子卡住进度的本科生也适合想拿它当脚手架替换成自己学校论坛结构或换用 TextCNN 模型的进阶者。它解决的不是“有没有”而是“能不能在答辩前一周稳定跑通”。2. 从解压到首页6 步走完部署全流程每步都配验证命令和预期输出2.1 解压即得完整工程结构看清三个关键目录的职责边界下载解压后你会看到一个清晰的三层结构src/Python 后端主目录含app.pyFlask 入口、crawler/采集模块、nlp/文本处理与模型加载、utils/数据库连接与日志database/含schema.sql建表语句、init_data.sql示例数据、db.sqlite3已初始化的 SQLite 文件开箱即用static/和templates/前端资源无构建步骤纯 HTML JS ECharts提示不要试图用pip install -r requirements.txt一键安装全部依赖——里面混入了pyecharts-snapshot这类仅用于生成静态图的非运行时依赖实际启动只需flask,jieba,numpy,scikit-learn,sqlite3Python 内置这 5 个。我一般会先pip install flask jieba numpy scikit-learn再单独测试 NLP 模块是否能加载。2.2 初始化数据库用schema.sql覆盖式重建避免字段错位虽然提供了db.sqlite3但为确保环境纯净尤其你改过表结构建议手动执行建库cd database sqlite3 db.sqlite3 schema.sql执行后无报错即成功。验证方式进入 SQLite 命令行检查三张表是否存在且字段正确sqlite3 db.sqlite3 .tables .schema posts你应该看到posts表包含id,title,content,source,publish_time,sentiment_score,category字段。注意sentiment_score是REAL类型-1.0 到 1.0不是TEXT——这是后续情感分析写入的关键约束。如果.schema输出中类型不对说明schema.sql执行失败或被部分覆盖需删掉db.sqlite3重来。2.3 配置 Flask 环境变量绕过KeyError: DATABASE_PATH的硬编码陷阱打开src/app.py找到第 12 行左右的DATABASE_PATH os.environ.get(DATABASE_PATH, database/db.sqlite3)。这里不是让你改代码而是要设置环境变量——因为源码里所有数据库路径读取都走这个变量硬编码改一处漏十处。Linux/macOS 终端执行export DATABASE_PATH./database/db.sqlite3 export FLASK_APPsrc/app.py export FLASK_ENVdevelopmentWindows CMD 用户请用set DATABASE_PATH.\database\db.sqlite3 set FLASK_APPsrc\app.py set FLASK_ENVdevelopment关键逻辑说明FLASK_APP指向入口文件FLASK_ENVdevelopment启用调试模式错误页面带 tracebackDATABASE_PATH是唯一被utils/db.py中get_db()函数读取的路径变量。漏设任一变量启动时都会报KeyError或ImportError。2.4 启动服务并验证端口连通性用 curl 替代浏览器盲点在src/目录下执行flask run --host0.0.0.0 --port5000此时终端应输出* Serving Flask app app.py * Debug mode: on * Running on http://0.0.0.0:5000立刻用另一终端验证服务是否真在监听curl -I http://127.0.0.1:5000预期返回状态码HTTP/1.1 200 OK。如果返回Failed to connect检查① 是否在src/目录下执行②FLASK_APP变量是否拼写错误常见把app.py写成APP.PY③ 端口 5000 是否被占用lsof -i :5000或netstat -ano | findstr :5000。2.5 手动触发一次舆情采集确认爬虫模块不依赖外部网站系统默认不自动爬取需访问/admin/crawl接口手动触发。先用浏览器打开http://127.0.0.1:5000/admin/crawl页面会显示“正在采集模拟数据…”并跳转回首页。但更可靠的验证是看数据库是否写入sqlite3 database/db.sqlite3 SELECT COUNT(*) FROM posts;首次运行后结果应为12源码内置 12 条模拟论坛帖。若为0说明crawler/simulate_crawler.py中的SIMULATED_POSTS数据未写入——检查src/crawler/__init__.py是否存在from .simulate_crawler import *导入语句该文件必须存在且非空否则import crawler会失败。2.6 查看情感分析日志定位模型加载失败的静默错误打开logs/sentiment.log若不存在则创建搜索Model loaded。正常启动时Flask 日志中会打印INFO:root:Loaded sentiment model from nlp/models/bayes_model.pkl INFO:root:Loaded vectorizer from nlp/models/tfidf_vectorizer.pkl如果没看到这两行说明nlp/目录下的.pkl文件路径错误或损坏。此时不要重训模型毕设时间不允许直接检查src/nlp/models/下是否存在bayes_model.pkl和tfidf_vectorizer.pkl两个文件大小均 100KBsrc/nlp/sentiment_analyzer.py第 18 行model_path os.path.join(os.path.dirname(__file__), models, bayes_model.pkl)中的路径拼接是否正确os.path.dirname(__file__)返回的是src/nlp/所以models/必须在同级3. 核心模块拆解为什么选 SQLite 而非 MySQL为什么用朴素贝叶斯而非 LSTM3.1 数据库选型SQLite 不是妥协而是对毕设场景的精准匹配很多人第一反应是“SQLite 太弱毕设得用 MySQL”。但看这个系统的数据特征单日最大新增帖数 ≤ 200模拟数据设定上限查询模式固定按时间范围查posts、按category统计数量、查sentiment_score平均值无并发写入爬虫是单次触发管理员后台操作无高并发压力部署目标明确答辩现场 U 盘拷贝 本机 Python 环境即可运行在这种场景下SQLite 的优势被放大✅ 零配置无需安装服务、创建用户、授权数据库✅ 文件即数据库db.sqlite3可直接用 SQLite Browser 打开调试字段修改实时生效✅ ACID 保障足够INSERT时加BEGIN IMMEDIATE事务避免采集中断导致脏数据❌ MySQL 的劣势在此凸显答辩前半小时还在折腾mysqld启动失败、rootlocalhost权限报错、mysqlclient编译失败——这些在毕设答辩倒计时里都是致命伤。我的血泪经验某次帮 A 同学把 SQLite 换成 MySQL光解决pymysql连接池超时就花了两天最后答辩用的还是 SQLite 版。毕设数据库的第一原则不是性能是“答辩前 24 小时还能稳定写入”。3.2 情感分析模型朴素贝叶斯为何比深度学习更适合落地源码中nlp/sentiment_analyzer.py使用sklearn.naive_bayes.MultinomialNB训练而非transformers库。原因很实在训练成本低提供的train_data.csv仅 800 行正面/负面各 400 条校园场景短句TF-IDF 向量化后特征维度约 5000朴素贝叶斯 0.3 秒训完LSTM 在 CPU 上跑 20 分钟还 loss 不降推理确定性强predict_proba()返回[0.92, 0.08]这种明确概率便于设置阈值如score 0.85才标红预警而 BERT 微调后输出常是[0.51, 0.49]这种模糊值可解释性刚需答辩时老师问“为什么这条‘食堂米饭太硬’被判负面”你可以直接展示tfidf_vectorizer.get_feature_names_out()中 “米饭”、“硬” 的权重而不用说“BERT 的 attention 权重我也没看懂”模型文件bayes_model.pkl是用joblib.dump()保存的加载时必须保证sklearn版本一致源码注释写了tested on sklearn 1.0.2。若你环境是1.3.0加载可能报AttributeError: MultinomialNB object has no attribute feature_log_prob_——此时不要升级 sklearn而是降级pip install scikit-learn1.0.2。3.3 前端预警逻辑ECharts 静态渲染如何规避 XSS 风险templates/dashboard.html中的图表数据并非通过 AJAX 动态拉取而是由 Flask 后端在render_template()时将sentiment_stats字典含各分类负面占比直接注入 JS 变量script const chartData {{ sentiment_stats | tojson }}; // 后续用 echarts.init().setOption() 渲染 /script这种做法牺牲了实时性需刷新页面但换来两个关键收益零跨域问题所有数据在服务端生成前端不发任何fetch请求避免CORS报错XSS 防御天然| tojson过滤器会自动转义,等字符即使sentiment_stats里混入恶意字符串也不会执行 JS如果你尝试改成 AJAX 方式比如加个setInterval每 30 秒请求/api/stats就必须在app.py的对应路由里加cross_origin()而flask-cors包不在requirements.txt中——这就是“功能越简单越容易过答辩”的底层逻辑。4. 避坑指南5 条亲测踩过的坑每条都附带复现步骤和修复命令4.1 现象启动时报ModuleNotFoundError: No module named crawler但src/crawler/目录明明存在原因Python 的模块导入依赖sys.path而flask run默认只把FLASK_APP文件所在目录src/加入路径src/crawler/是子目录需显式声明为包。解决在src/crawler/目录下创建空文件__init__.py注意是两个下划线。验证命令cd src python -c import crawler; print(OK)若报错消失则修复成功。切记__init__.py文件不能是隐藏文件如 macOS 的.DS_Store也不能是.pyc编译缓存。4.2 现象访问/admin/crawl后页面空白控制台无报错但数据库posts表仍为空原因crawler/simulate_crawler.py中的SIMULATED_POSTS是一个列表但某次编辑时被误删了末尾逗号导致语法错误Python 解释器静默跳过该模块导入。解决打开src/crawler/simulate_crawler.py检查第 5 行起的SIMULATED_POSTS [是否以]结尾且每个字典项后都有逗号包括最后一项。修复后执行cd src python -m py_compile crawler/simulate_crawler.py若无报错说明语法正确。然后重启 Flask 服务。4.3 现象情感分析结果全为0.0sentiment_score字段写入全是0.0原因nlp/sentiment_analyzer.py的analyze_sentiment()函数中vectorizer.transform([text])输入的是单个字符串但TfidfVectorizer默认要求输入List[str]传入字符串会被当作List[char]处理导致向量化失败。解决修改analyze_sentiment()中的调用# 错误写法源码原始版 vec vectorizer.transform(text) # text 是 str # 正确写法必须加 [] 包裹 vec vectorizer.transform([text]) # text 是 str[text] 是 List[str]改完后用python -c from nlp.sentiment_analyzer import analyze_sentiment; print(analyze_sentiment(食堂太差了))测试应返回-0.72类似值。4.4 现象点击“导出 Excel”按钮无反应浏览器控制台报ReferenceError: xlsx is not defined原因static/js/export.js依赖xlsx.full.min.js但templates/base.html中script标签顺序错误export.js在xlsx库加载前就执行了。解决打开templates/base.html找到script标签块确保顺序为script src{{ url_for(static, filenamejs/xlsx.full.min.js) }}/script script src{{ url_for(static, filenamejs/export.js) }}/script验证刷新页面按 F12 打开开发者工具 → Console输入typeof XLSX应返回object。4.5 现象部署到另一台电脑后/dashboard页面图表不显示控制台报echarts is not defined原因static/js/echarts.min.js文件在压缩过程中被杀毒软件误删尤其 Windows Defender 对.min.js敏感导致文件存在但内容为空。解决检查文件大小ls -la static/js/echarts.min.js # Linux/macOS dir static\js\echarts.min.js # Windows正常大小应为1.2M左右1200KB。若显示0 bytes则重新从源码包中复制该文件或从 ECharts 官网 下载5.4.3版本源码注释指定版本覆盖。5. 进阶技巧用 3 个 SQL 命令定制你的舆情看板无需改一行 Python 代码5.1 修改预警阈值把“负面占比 30%”改成“ 25%”系统默认在src/utils/dashboard.py的get_warning_status()函数中硬编码了threshold 0.3。但答辩老师常会问“这个 30% 怎么定的”——此时最有力的回答是“我用 SQL 直接调整马上给您演示。”打开database/db.sqlite3执行UPDATE config SET value 0.25 WHERE key warning_threshold;config表是源码预留的动态配置表schema.sql中已建好key为warning_thresholdvalue存字符串。重启 Flask 后get_warning_status()会从数据库读取该值而非硬编码。这样既满足“可配置”要求又避免改 Python 逻辑引发新 bug。5.2 新增舆情分类给“心理健康”话题单独建统计卡片源码中category字段只有[教务, 后勤, 社团, 其他]四类。若你想增加“心理”类只需两步插入新分类到categories表schema.sql中已建INSERT INTO categories (name, color) VALUES (心理, #FF6B6B);更新posts表中相关帖子的categoryUPDATE posts SET category 心理 WHERE content LIKE %心理咨询% OR content LIKE %心理老师%;刷新/dashboard新分类卡片会自动出现——因为前端dashboard.html的 ECharts 配置是循环categories表生成的无需改 JS。5.3 导出指定时间段的舆情报告用 SQLite 内置函数生成 Excel 兼容 CSV答辩需要提交《近一周舆情分析报告》但系统没有导出按钮。别急SQLite 支持.mode csv和.output命令sqlite3 database/db.sqlite3 .mode csv .output weekly_report.csv SELECT title, content, sentiment_score, category FROM posts WHERE publish_time datetime(now, -7 days) ORDER BY publish_time DESC; .quit执行后当前目录生成weekly_report.csv用 Excel 直接打开即可。关键参数说明datetime(now, -7 days)是 SQLite 时间函数精确到秒避免用strftime(%Y-%m-%d)导致时区偏差.mode csv确保字段用英文逗号分隔中文不乱码SQLite 3.30 默认 UTF-8.output重定向所有SELECT输出到文件.quit后文件才真正写入从那以后我每次帮同学改毕设只要涉及数据导出需求都先教这三行 SQLite 命令——它比写一个 Flask 导出路由快 10 倍且永远不会因openpyxl版本冲突而崩溃。希望帮到你。本文还有配套的精品资源点击获取
简介这是一套面向计算机专业本科生的毕业设计实战项目聚焦校园舆情监测与预警场景基于PythonDjangoMySQL技术栈实现完整Web系统。资源提供开箱即用的源码、MySQL数据库脚本、系统演示视频及配套文档覆盖用户管理、微博爬虫支持喀什大学等高校微博、负面舆情识别分析、可视化图表饼图/柱状图与阈值预警如负面占比超20%自动提示等核心功能。压缩包共419个文件含29个Python源文件、49个JS交互脚本、74个PNG/JPG图表与界面素材、23个CSS样式文件、16个HTML页面及1个SQL数据库导出文件整体72.55MB结构清晰便于理解MVC分层与前后端协同逻辑。目前已有322人学习下载适合毕设选题参考、Django项目实践、舆情分析入门及Web数据可视化复现。1. 这不是又一个“学生管理系统”它用 Python 实现了校园舆情从采集、清洗、分类到可视化预警的闭环专治毕业设计里“功能堆砌却跑不起来”的玄学翻车你是不是也见过太多标着“毕业设计”的 Python 项目——首页漂亮点登录就 500数据库字段名和代码里变量名对不上演示视频里操作流畅自己一跑就卡在pip install第二个包这份「基于 Python 的校园舆情管理系统」不是那种。它把一个真实可运行的轻量级舆情闭环拆成了五块网页端Flask、数据采集Requests BeautifulSoup 封装、文本清洗与关键词提取jieba TF-IDF、情感倾向分类朴素贝叶斯训练好的本地模型、前端预警看板ECharts 静态渲染。它不追求接入微博 API 或训练 BERT 大模型而是用 3 个核心表posts,comments,sentiment_logs 2 个预训练.pkl模型文件让 A 同学在某高校信息学院的毕设答辩中现场演示了从爬取校内论坛帖子、自动打上“食堂投诉”“教务通知”“社团招新”标签、实时计算负面情绪占比到弹出红色预警框的全过程。适合需要快速交付、有数据库实操要求、又不想被 NLP 黑匣子卡住进度的本科生也适合想拿它当脚手架替换成自己学校论坛结构或换用 TextCNN 模型的进阶者。它解决的不是“有没有”而是“能不能在答辩前一周稳定跑通”。2. 从解压到首页6 步走完部署全流程每步都配验证命令和预期输出2.1 解压即得完整工程结构看清三个关键目录的职责边界下载解压后你会看到一个清晰的三层结构src/Python 后端主目录含app.pyFlask 入口、crawler/采集模块、nlp/文本处理与模型加载、utils/数据库连接与日志database/含schema.sql建表语句、init_data.sql示例数据、db.sqlite3已初始化的 SQLite 文件开箱即用static/和templates/前端资源无构建步骤纯 HTML JS ECharts提示不要试图用pip install -r requirements.txt一键安装全部依赖——里面混入了pyecharts-snapshot这类仅用于生成静态图的非运行时依赖实际启动只需flask,jieba,numpy,scikit-learn,sqlite3Python 内置这 5 个。我一般会先pip install flask jieba numpy scikit-learn再单独测试 NLP 模块是否能加载。2.2 初始化数据库用schema.sql覆盖式重建避免字段错位虽然提供了db.sqlite3但为确保环境纯净尤其你改过表结构建议手动执行建库cd database sqlite3 db.sqlite3 schema.sql执行后无报错即成功。验证方式进入 SQLite 命令行检查三张表是否存在且字段正确sqlite3 db.sqlite3 .tables .schema posts你应该看到posts表包含id,title,content,source,publish_time,sentiment_score,category字段。注意sentiment_score是REAL类型-1.0 到 1.0不是TEXT——这是后续情感分析写入的关键约束。如果.schema输出中类型不对说明schema.sql执行失败或被部分覆盖需删掉db.sqlite3重来。2.3 配置 Flask 环境变量绕过KeyError: DATABASE_PATH的硬编码陷阱打开src/app.py找到第 12 行左右的DATABASE_PATH os.environ.get(DATABASE_PATH, database/db.sqlite3)。这里不是让你改代码而是要设置环境变量——因为源码里所有数据库路径读取都走这个变量硬编码改一处漏十处。Linux/macOS 终端执行export DATABASE_PATH./database/db.sqlite3 export FLASK_APPsrc/app.py export FLASK_ENVdevelopmentWindows CMD 用户请用set DATABASE_PATH.\database\db.sqlite3 set FLASK_APPsrc\app.py set FLASK_ENVdevelopment关键逻辑说明FLASK_APP指向入口文件FLASK_ENVdevelopment启用调试模式错误页面带 tracebackDATABASE_PATH是唯一被utils/db.py中get_db()函数读取的路径变量。漏设任一变量启动时都会报KeyError或ImportError。2.4 启动服务并验证端口连通性用 curl 替代浏览器盲点在src/目录下执行flask run --host0.0.0.0 --port5000此时终端应输出* Serving Flask app app.py * Debug mode: on * Running on http://0.0.0.0:5000立刻用另一终端验证服务是否真在监听curl -I http://127.0.0.1:5000预期返回状态码HTTP/1.1 200 OK。如果返回Failed to connect检查① 是否在src/目录下执行②FLASK_APP变量是否拼写错误常见把app.py写成APP.PY③ 端口 5000 是否被占用lsof -i :5000或netstat -ano | findstr :5000。2.5 手动触发一次舆情采集确认爬虫模块不依赖外部网站系统默认不自动爬取需访问/admin/crawl接口手动触发。先用浏览器打开http://127.0.0.1:5000/admin/crawl页面会显示“正在采集模拟数据…”并跳转回首页。但更可靠的验证是看数据库是否写入sqlite3 database/db.sqlite3 SELECT COUNT(*) FROM posts;首次运行后结果应为12源码内置 12 条模拟论坛帖。若为0说明crawler/simulate_crawler.py中的SIMULATED_POSTS数据未写入——检查src/crawler/__init__.py是否存在from .simulate_crawler import *导入语句该文件必须存在且非空否则import crawler会失败。2.6 查看情感分析日志定位模型加载失败的静默错误打开logs/sentiment.log若不存在则创建搜索Model loaded。正常启动时Flask 日志中会打印INFO:root:Loaded sentiment model from nlp/models/bayes_model.pkl INFO:root:Loaded vectorizer from nlp/models/tfidf_vectorizer.pkl如果没看到这两行说明nlp/目录下的.pkl文件路径错误或损坏。此时不要重训模型毕设时间不允许直接检查src/nlp/models/下是否存在bayes_model.pkl和tfidf_vectorizer.pkl两个文件大小均 100KBsrc/nlp/sentiment_analyzer.py第 18 行model_path os.path.join(os.path.dirname(__file__), models, bayes_model.pkl)中的路径拼接是否正确os.path.dirname(__file__)返回的是src/nlp/所以models/必须在同级3. 核心模块拆解为什么选 SQLite 而非 MySQL为什么用朴素贝叶斯而非 LSTM3.1 数据库选型SQLite 不是妥协而是对毕设场景的精准匹配很多人第一反应是“SQLite 太弱毕设得用 MySQL”。但看这个系统的数据特征单日最大新增帖数 ≤ 200模拟数据设定上限查询模式固定按时间范围查posts、按category统计数量、查sentiment_score平均值无并发写入爬虫是单次触发管理员后台操作无高并发压力部署目标明确答辩现场 U 盘拷贝 本机 Python 环境即可运行在这种场景下SQLite 的优势被放大✅ 零配置无需安装服务、创建用户、授权数据库✅ 文件即数据库db.sqlite3可直接用 SQLite Browser 打开调试字段修改实时生效✅ ACID 保障足够INSERT时加BEGIN IMMEDIATE事务避免采集中断导致脏数据❌ MySQL 的劣势在此凸显答辩前半小时还在折腾mysqld启动失败、rootlocalhost权限报错、mysqlclient编译失败——这些在毕设答辩倒计时里都是致命伤。我的血泪经验某次帮 A 同学把 SQLite 换成 MySQL光解决pymysql连接池超时就花了两天最后答辩用的还是 SQLite 版。毕设数据库的第一原则不是性能是“答辩前 24 小时还能稳定写入”。3.2 情感分析模型朴素贝叶斯为何比深度学习更适合落地源码中nlp/sentiment_analyzer.py使用sklearn.naive_bayes.MultinomialNB训练而非transformers库。原因很实在训练成本低提供的train_data.csv仅 800 行正面/负面各 400 条校园场景短句TF-IDF 向量化后特征维度约 5000朴素贝叶斯 0.3 秒训完LSTM 在 CPU 上跑 20 分钟还 loss 不降推理确定性强predict_proba()返回[0.92, 0.08]这种明确概率便于设置阈值如score 0.85才标红预警而 BERT 微调后输出常是[0.51, 0.49]这种模糊值可解释性刚需答辩时老师问“为什么这条‘食堂米饭太硬’被判负面”你可以直接展示tfidf_vectorizer.get_feature_names_out()中 “米饭”、“硬” 的权重而不用说“BERT 的 attention 权重我也没看懂”模型文件bayes_model.pkl是用joblib.dump()保存的加载时必须保证sklearn版本一致源码注释写了tested on sklearn 1.0.2。若你环境是1.3.0加载可能报AttributeError: MultinomialNB object has no attribute feature_log_prob_——此时不要升级 sklearn而是降级pip install scikit-learn1.0.2。3.3 前端预警逻辑ECharts 静态渲染如何规避 XSS 风险templates/dashboard.html中的图表数据并非通过 AJAX 动态拉取而是由 Flask 后端在render_template()时将sentiment_stats字典含各分类负面占比直接注入 JS 变量script const chartData {{ sentiment_stats | tojson }}; // 后续用 echarts.init().setOption() 渲染 /script这种做法牺牲了实时性需刷新页面但换来两个关键收益零跨域问题所有数据在服务端生成前端不发任何fetch请求避免CORS报错XSS 防御天然| tojson过滤器会自动转义,等字符即使sentiment_stats里混入恶意字符串也不会执行 JS如果你尝试改成 AJAX 方式比如加个setInterval每 30 秒请求/api/stats就必须在app.py的对应路由里加cross_origin()而flask-cors包不在requirements.txt中——这就是“功能越简单越容易过答辩”的底层逻辑。4. 避坑指南5 条亲测踩过的坑每条都附带复现步骤和修复命令4.1 现象启动时报ModuleNotFoundError: No module named crawler但src/crawler/目录明明存在原因Python 的模块导入依赖sys.path而flask run默认只把FLASK_APP文件所在目录src/加入路径src/crawler/是子目录需显式声明为包。解决在src/crawler/目录下创建空文件__init__.py注意是两个下划线。验证命令cd src python -c import crawler; print(OK)若报错消失则修复成功。切记__init__.py文件不能是隐藏文件如 macOS 的.DS_Store也不能是.pyc编译缓存。4.2 现象访问/admin/crawl后页面空白控制台无报错但数据库posts表仍为空原因crawler/simulate_crawler.py中的SIMULATED_POSTS是一个列表但某次编辑时被误删了末尾逗号导致语法错误Python 解释器静默跳过该模块导入。解决打开src/crawler/simulate_crawler.py检查第 5 行起的SIMULATED_POSTS [是否以]结尾且每个字典项后都有逗号包括最后一项。修复后执行cd src python -m py_compile crawler/simulate_crawler.py若无报错说明语法正确。然后重启 Flask 服务。4.3 现象情感分析结果全为0.0sentiment_score字段写入全是0.0原因nlp/sentiment_analyzer.py的analyze_sentiment()函数中vectorizer.transform([text])输入的是单个字符串但TfidfVectorizer默认要求输入List[str]传入字符串会被当作List[char]处理导致向量化失败。解决修改analyze_sentiment()中的调用# 错误写法源码原始版 vec vectorizer.transform(text) # text 是 str # 正确写法必须加 [] 包裹 vec vectorizer.transform([text]) # text 是 str[text] 是 List[str]改完后用python -c from nlp.sentiment_analyzer import analyze_sentiment; print(analyze_sentiment(食堂太差了))测试应返回-0.72类似值。4.4 现象点击“导出 Excel”按钮无反应浏览器控制台报ReferenceError: xlsx is not defined原因static/js/export.js依赖xlsx.full.min.js但templates/base.html中script标签顺序错误export.js在xlsx库加载前就执行了。解决打开templates/base.html找到script标签块确保顺序为script src{{ url_for(static, filenamejs/xlsx.full.min.js) }}/script script src{{ url_for(static, filenamejs/export.js) }}/script验证刷新页面按 F12 打开开发者工具 → Console输入typeof XLSX应返回object。4.5 现象部署到另一台电脑后/dashboard页面图表不显示控制台报echarts is not defined原因static/js/echarts.min.js文件在压缩过程中被杀毒软件误删尤其 Windows Defender 对.min.js敏感导致文件存在但内容为空。解决检查文件大小ls -la static/js/echarts.min.js # Linux/macOS dir static\js\echarts.min.js # Windows正常大小应为1.2M左右1200KB。若显示0 bytes则重新从源码包中复制该文件或从 ECharts 官网 下载5.4.3版本源码注释指定版本覆盖。5. 进阶技巧用 3 个 SQL 命令定制你的舆情看板无需改一行 Python 代码5.1 修改预警阈值把“负面占比 30%”改成“ 25%”系统默认在src/utils/dashboard.py的get_warning_status()函数中硬编码了threshold 0.3。但答辩老师常会问“这个 30% 怎么定的”——此时最有力的回答是“我用 SQL 直接调整马上给您演示。”打开database/db.sqlite3执行UPDATE config SET value 0.25 WHERE key warning_threshold;config表是源码预留的动态配置表schema.sql中已建好key为warning_thresholdvalue存字符串。重启 Flask 后get_warning_status()会从数据库读取该值而非硬编码。这样既满足“可配置”要求又避免改 Python 逻辑引发新 bug。5.2 新增舆情分类给“心理健康”话题单独建统计卡片源码中category字段只有[教务, 后勤, 社团, 其他]四类。若你想增加“心理”类只需两步插入新分类到categories表schema.sql中已建INSERT INTO categories (name, color) VALUES (心理, #FF6B6B);更新posts表中相关帖子的categoryUPDATE posts SET category 心理 WHERE content LIKE %心理咨询% OR content LIKE %心理老师%;刷新/dashboard新分类卡片会自动出现——因为前端dashboard.html的 ECharts 配置是循环categories表生成的无需改 JS。5.3 导出指定时间段的舆情报告用 SQLite 内置函数生成 Excel 兼容 CSV答辩需要提交《近一周舆情分析报告》但系统没有导出按钮。别急SQLite 支持.mode csv和.output命令sqlite3 database/db.sqlite3 .mode csv .output weekly_report.csv SELECT title, content, sentiment_score, category FROM posts WHERE publish_time datetime(now, -7 days) ORDER BY publish_time DESC; .quit执行后当前目录生成weekly_report.csv用 Excel 直接打开即可。关键参数说明datetime(now, -7 days)是 SQLite 时间函数精确到秒避免用strftime(%Y-%m-%d)导致时区偏差.mode csv确保字段用英文逗号分隔中文不乱码SQLite 3.30 默认 UTF-8.output重定向所有SELECT输出到文件.quit后文件才真正写入从那以后我每次帮同学改毕设只要涉及数据导出需求都先教这三行 SQLite 命令——它比写一个 Flask 导出路由快 10 倍且永远不会因openpyxl版本冲突而崩溃。希望帮到你。本文还有配套的精品资源点击获取
