TML超大文件上传和断点续传的实现，VUE 大文件分片上传(断点续传、并发上传、秒传)，完美解决PHP无法上传大文件方法，NGINX 实现文件夹上传(保留目录结构)，http之实现文件上传与下载，内网 批量大文件上传下载，浏览器超大文件上传和断点续传的实现，超大文件上传解决方案：分片断点上传，

VUE+ELEMENT 上传文件及文件夹，VUE上传大文件的三种解决方案，DJANGO+VUE实现文件夹上传，前端实现文件夹的上传和下载，HTML+前端超大视频上传解决方案，网页 项目文件夹上传下载解决方案，

在网上也花时间搜索过相关的资料，论坛里面也有网友交流过，还加过很多QQ群微信群，但是结果都不太令人满意。网上的文章吧基本上都是相互抄袭的，内容不能说是一模一样吧，但是实际上都是差不多的，提到的也是HTML5的API，基本上都是说的用的HTML5的API。你说不能用吧他也能传，但是兼容性不行，只能在chrome上面用，用吧也只是基本上的功能，你没办法扩展。

不能够满足公司项目上的需求，公司这边实际上是需要一个成熟的商业解决方案，而不是一个文件的上传思路。但是网上几乎所有的文章都是在讲思路和想法，很少有提供成熟解决方案的。另外一方面就是公司项目需要最好能够提供国企和央企的成功案例，这个也是客户那边的要求。项目这块要求比较高，不可能随便在网上找几个开源的代码糊弄过去，因为后期项目要做维护和升级。

前端用了JS，JQuery,vue2,vue3,vue-cli,html5,html，前端框架也比较多，但是网上提供的都是代码片断。

找了一圈基本上都是讲上传的，下载的讲的很少，文章里面也是写的不详细

客户那边是一家国企，主要也是给政府和央企做项目。实际上客户对具体的技术并不关心。客户关注点不在这块，主要是对稳定性和兼容性比较在意。

网上搜了一下，基本上大部分的文章里面提到的前端JS或VUE或HTML5上传文件夹的方案都是使用JS的API来实现的，也就是html5提供的一个API，也就是chrome提供的API。用是能用，但是不够好用，有很多限制，也不够灵活。不太能够满足用户的实际应用需求，

多多少少还是有点问题，稳定性，灵活性，可扩展性，安全性方面还是有点问题。chrome的每个域名只允许5个TCP连接的限制，这个基本上是一个无法逾越的鸿沟，目前为止网上还没有发现哪家公司或者个人能够突破的。

我们做项目的话个人用户比较少，一般都是行业用户，比如政府，公司，金融，这类企业，他们对用户体验要求较高。就实际项目开发和实施的情况来看，html5或者chrome提供的功能基本上都是不能够满足他们需求的，都需要我们进行定制开发。

文件夹上传，html5提供了API,用户开始用的时候还行，然后就提了要求要求支持断点续传，

客户这边是一个政府单位，涉密了，就不透露单位名称了，每天主要就是上传和下载一些资料，数据都是加密的。

客户那边每天都会上传和下载资料，

视频教程：https://www.ixigua.com/7226245960341389859

1.下载示例

https://gitee.com/xproer/up6-vue-cli

将up6组件复制到项目中

示例中已经包含此目录

1.引入up6组件

2.配置接口地址

接口地址分别对应：文件初始化，文件数据上传，文件进度，文件上传完毕，文件删除，文件夹初始化，文件夹删除，文件列表

参考：http://www.ncmem.com/doc/view.aspx?id=e1f49f3e1d4742e19135e00bd41fa3de

3.处理事件

启动测试

启动成功

效果

数据库

源码工程文档：https://drive.weixin.qq.com/s?k=ACoAYgezAAw1dWofra

源码报价单：https://drive.weixin.qq.com/s?k=ACoAYgezAAwoiul8gl

OEM版报价单：https://drive.weixin.qq.com/s?k=ACoAYgezAAwuzp4W0a

控件源码下载：https://drive.weixin.qq.com/s?k=ACoAYgezAAwbdKCskc
授权码生成器：https://drive.weixin.qq.com/s?k=ACoAYgezAAwTIcFph1

JAX上传的用户体验更好，HTML上传用户使用更方便一点，直接在网页里面就能够操作了。示例在下面提供了，是完整的源代码，有教程，有视频教程，基本上使用非常简单，开发也非常简单，有技术支持，

网上搜了一下，基本上讲这块的文章还是很多，但是就是一个字乱，讲的很混乱。也没有提供完整的前后端示例。

用户上传的文件比较大，有20G左右，直接用HTML传的话容易失败，服务器也容易出错，需要分片，分块，分割上传。也就是将一个大的文件分成若干个小文件块来上传，另外就是需要实现秒传功能和防重复功能，秒传就是用户如果上传过这个文件，那么直接在数据库中查找记录就行了，不用再上传一次，节省时间，实现的思路是对文件做MD5计算，将MD5值保存到数据库，算法可以用MD5，或者CRC，或者SHA1，这个随便哪个算法都行。

分片还需要支持断点续传，现在HTML5虽然提供了信息记录功能，但是只支持到了会话级，也就是用户不能关闭浏览器，也不能清空缓存。但是有的政府单位上传大文件，传了一半下班了，明天继续传，电脑一关结果进度信息就丢失了，这个是他们的一个痛点。

切片的话还有一点就是在服务器上合并，一个文件的所有分片数据上传完后需要在服务器端进行合并操作。

1.下载示例

https://gitee.com/xproer/up6-vue-cli

将up6组件复制到项目中

示例中已经包含此目录

1.引入up6组件

2.配置接口地址

接口地址分别对应：文件初始化，文件数据上传，文件进度，文件上传完毕，文件删除，文件夹初始化，文件夹删除，文件列表

参考：http://www.ncmem.com/doc/view.aspx?id=e1f49f3e1d4742e19135e00bd41fa3de

3.处理事件

启动测试

启动成功

效果

数据库

者： 俊欣

来源：关于数据分析与可视化

今天小编来为大家安利另外一个用于绘制可视化图表的Python框架，名叫Dash，建立在Flask、Plotly.js以及React.js的基础之上，在创建之出的目的是为了帮助前端知识匮乏的数据分析人员，以纯Python编程的方式快速制作出交互特性强的数据可视化大屏，在经过多年的迭代发展，如今不仅仅可以用来开发在线数据可视化作品，即便是轻量级的数据仪表盘、BI应用甚至是博客或者是常规的网站都随处可见Dash框架的影子，今天小编就先来介绍一下该框架的一些基础知识，并且来制作一个简单的数据可视化大屏。

Dash框架中的两个基本概念

我们先来了解一下Dash框架中的两个基本概念

• Layout
• Callbacks

Layout顾名思义就是用来设计可视化大屏的外观和布局，添加一些例如下拉框、单选框、复选框、输入框、文本框、滑动条等组件，其中Dash框架对HTML标签也进行了进一步的封装，使得我们直接可以通过Python代码来生成和设计每一个网页所需要的元素，例如

<div>
    <h1>Hello World!!</h1>
    <div>
        <p>Dash converts Python classes into HTML</p>
    </div>
</div>

我们转化成Dash的Python结构就是

html.Div([
    html.H1('Hello Dash'),
    html.Div([
        html.P('Dash converts Python classes into HTML'),
    ])
])

Callbacks也就是回调函数，基本上是以装饰器的形式来体现的，实现前后端异步通信的交互，例如我们在点击按钮或者下拉框之后出现的功能就是通过回调函数来实现的。

安装和导入模块

在导入模块之前，我们先用pip命令来进行安装，

! pip install dash   
! pip install dash-html-components
! pip install dash-core-components                           
! pip install plotly

然后我们导入这些刚刚安装完的模块，其中dash-html-components用来生成HTML标签，dash-core-components模块用来生成例如下拉框、输入框等组件，这里我们还需要用到plotly模块，因为我们需要用到的数据来自该模块，里面是一众互联网公司过去一段时间中股价的走势

import dash
import dash_html_components as html
import dash_core_components as dcc
import plotly.graph_objects as go
import plotly.express as px

读取数据并且绘制折线图

那么我们读取数据并且用plotly来绘制折线图，代码如下

app = dash.Dash()   #实例化Dash
df = px.data.stocks() #读取股票数据 

def stock_prices():
    # 绘制折线图
    fig = go.Figure([go.Scatter(x=df['date'], y=df['AAPL'],
                                line=dict(color='firebrick', width=4), name='Apple')
                     ])
    fig.update_layout(title='股价随着时间的变幻',
                      xaxis_title='日期',
                      yaxis_title='价格'
                      )
    return fig
    
app.layout = html.Div(id='parent', children=[
    html.H1(id='H1', children='Dash 案例一', style={'textAlign': 'center',
                                                 'marginTop': 40, 'marginBottom': 40}),
    dcc.Graph(id='line_plot', figure=stock_prices())
])

if __name__ == '__main__':
    app.run_server()

我们点击运行之后会按照提示将url复制到浏览器当中便可以看到出来的结果了，如下所示

从代码的逻辑上来看，我们通过Dash框架中的Div方法来进行页面的布局，其中有参数id来指定网页中的元素，以及style参数来进行样式的设计，最后我们将会指出来的图表放在dcc.Graph()函数当中。

添置一个下拉框

然后我们再添置一个下拉框，当我们点击这个下拉框的时候，可是根据我们的选择展示不同公司的股价，代码如下

dcc.Dropdown(id='dropdown',
             options=[
                 {'label': '谷歌', 'value': 'GOOG'},
                 {'label': '苹果', 'value': 'AAPL'},
                 {'label': '亚马逊', 'value': 'AMZN'},
             ],
             value='GOOG'),

output

options参数中的label对应的是下拉框中的各个标签，而value对应的是DataFrame当中的列名

df.head()

output

添加回调函数

最后我们将下拉框和绘制折线图的函数给连接起来，我们点击下拉框选中不同的选项的时候，折线图也会相应的产生变化，

@app.callback(Output(component_id='bar_plot', component_property='figure'),
              [Input(component_id='dropdown', component_property='value')])
def graph_update(dropdown_value):
    print(dropdown_value)
    # Function for creating line chart showing Google stock prices over time
    fig = go.Figure([go.Scatter(x=df['date'], y=df['{}'.format(dropdown_value)],
                                line=dict(color='firebrick', width=4))
                     ])
    fig.update_layout(title='股价随着时间的变幻',
                      xaxis_title='日期',
                      yaxis_title='价格'
                      )
    return fig

我们看到callback()方法中指定输入和输出的媒介，其中Input参数，里面的component_id对应的是下拉框的id也就是dropdown，而Output参数，当中的component_id对应的是折线图的id也就是bar_plot，我们来看一下最后出来的结果如下

最后，全部的代码如下所示