大学生新颖的调查问卷入门到精通：从零搭建实战项目
看了一堆教程还是不会写项目？这是大多数初学者最大的痛。别急，今天我们直接上手，通过【大学生新颖的调查问卷】这个实战案例，带你走完【入门到精通】的全流程。
项目目标与需求拆解
很多初学者一上来就写代码，结果写到一半发现逻辑乱套。记住，先懂业务，再敲代码。这个项目的核心不是做一个普通的选择题问卷，而是要解决传统问卷的痛点：题目枯燥、缺乏交互、数据难以关联分析。
我们要实现的目标很明确：
动态题目生成：根据前一题的回答，动态显示后续题目（类似逻辑跳转）。
实时数据反馈：提交后即时生成可视化图表，而不是等到后台统计。
防刷与数据清洗：引入简单的验证码机制，过滤掉恶意提交的垃圾数据。
为什么选这个主题？因为“新颖”二字意味着我们不能只用简单的HTML表单。我们需要引入前端状态管理，后端则需要处理复杂的JSON数据解析。这正好覆盖了前端交互、后端逻辑、数据库存储三大核心技能。
目录结构规划
好的工程结构是成功的一半。不要把所有代码堆在一个文件里，那是新手才做的事。我们采用前后端分离的架构，项目结构如下：
survey-project/
├── backend/
│ ├── app.py # Flask主入口
│ ├── models.py # 数据库模型定义
│ ├── routes/
│ │ ├── survey.py # 问卷获取与提交接口
│ │ └── stats.py # 统计数据分析接口
│ ├── utils/
│ │ ├── validator.py # 数据校验工具
│ │ └── anti_spam.py # 防刷策略
│ └── requirements.txt # 依赖管理
├── frontend/
│ ├── index.html # 页面入口
│ ├── js/
│ │ ├── app.js # 核心逻辑
│ │ └── chart.js # 图表封装
│ └── css/
│ └── style.css # 样式表
└── README.md # 项目说明
关键点解析：
routes模块：将API路由独立出来，避免app.py变成“上帝文件”。
utils模块：将校验、防刷等通用逻辑抽离，方便单元测试和复用。
前后端分离：前端负责渲染和交互，后端只负责提供JSON数据，这种模式在【大学生新颖的调查问卷】这类应用中能极大提升加载速度和用户体验。
核心代码实现：后端逻辑
后端我们选择Python Flask，因为它轻量且易于快速搭建原型。但在处理【大学生新颖的调查问卷】时，我们需要特别注意数据的结构化存储。
1. 数据模型定义
传统的问卷往往用多张表存储，但为了灵活支持“动态题目”，我们采用JSON字段存储答案。
# backend/models.py
from flask_sqlalchemy import SQLAlchemy
from datetime import datetime
db = SQLAlchemy()
class SurveyAnswer(db.Model):
存储问卷提交记录
注意：answers字段使用JSON类型，以支持动态题目结构
id = db.Column(db.Integer, primary_key=True)
survey_id = db.Column(db.String(50), nullable=False, index=True)
# 使用JSON存储所有题目的回答，结构如：{q1: A, q2: B, q3_dynamic: C}
answers = db.Column(db.JSON, nullable=False)
ip_address = db.Column(db.String(45), nullable=False) # 用于防刷
created_at = db.Column(db.DateTime, default=datetime.utcnow)
def to_dict(self):
序列化对象，便于前端直接渲染
return {
'id': self.id,
'survey_id': self.survey_id,
'answers': self.answers,
'created_at': self.created_at.isoformat()
}
逐行讲解：
db.JSON：这是关键。如果使用传统的String字段，前端拿到数据后还得自己解析JSON，增加了出错概率。直接使用JSON类型，ORM层会自动处理序列化。
index=True：在survey_id上建立索引。当问卷提交量达到百万级时，如果没有索引，查询特定问卷的统计数据会非常慢。
to_dict方法：很多新手忘记这一步，导致前端报错AttributeError。始终要提供标准化的数据输出接口。
2. 接口实现与数据校验
在routes/survey.py中，我们实现提交接口。这里引入了一个重要的概念：服务端校验。不要信任前端传来的任何数据。
# backend/routes/survey.py
from flask import Blueprint, request, jsonify
from ..models import db, SurveyAnswer
from ..utils.validator import validate_survey_data
from ..utils.anti_spam import check_rate_limit
survey_bp = Blueprint('survey', __name__)
@survey_bp.route('/api/survey/submit', methods=['POST'])
def submit_survey():
提交问卷接口
遵循 RESTful 规范，返回 JSON 格式
# 1. 获取客户端IP，用于频率限制
client_ip = request.remote_addr
# 2. 防刷检查：同一IP每分钟最多提交5次
if not check_rate_limit(client_ip):
return jsonify({'code': 429, 'msg': '提交过于频繁，请稍后再试'}), 429
# 3. 解析请求体
data = request.get_json()
if not data:
return jsonify({'code': 400, 'msg': '请求体为空或格式错误'}), 400
# 4. 核心校验逻辑
# 这里调用工具函数，检查题目完整性、选项合法性
is_valid, error_msg = validate_survey_data(data)
if not is_valid:
return jsonify({'code': 422, 'msg': error_msg}), 422
# 5. 存入数据库
try:
new_answer = SurveyAnswer(
survey_id=data.get('survey_id'),
answers=data.get('answers'),
ip_address=client_ip
)
db.session.add(new_answer)
db.session.commit()
return jsonify({
'code': 200,
'msg': '提交成功',
'data': {
'answer_id': new_answer.id,
# 返回一个简单的确认ID，前端可用于后续查询统计
'confirmation_code': fSURV-{new_answer.id}
}
}), 200
except Exception as e:
db.session.rollback()
# 生产环境建议记录日志，而不是直接返回异常详情
print(fDatabase error: {e})
return jsonify({'code': 500, 'msg': '服务器内部错误，提交失败'}), 500
避坑指南：
异常处理：try-except块中的db.session.rollback()至关重要。如果数据库操作失败，事务必须回滚，否则会导致脏数据。
错误码规范：不要所有错误都返回200。422表示“无法处理的实体”（Unprocessable Entity），专门用于校验失败；429表示“太多请求”，用于限流。这符合RFC 7231 HTTP语义规范，能让前端更精准地处理不同错误。
前端交互：动态题目渲染
【大学生新颖的调查问卷】的“新颖”体现在前端。我们需要根据题目配置，动态生成DOM节点。
1. 题目配置数据结构
后端或配置文件中的题目结构如下：
{
survey_id: uni_2024,
title: 大学生编程学习状况调查,
questions: [
{
id: q1,
type: radio,
text: 你主要学习哪种编程语言？,
options: [Python, Java, JavaScript, Go],
required: true
},
{
id: q2,
type: checkbox,
text: 你使用过哪些框架？,
options: [Flask, Spring, React, Vue],
required: false,
visible_if: {q1: [Python, JavaScript]} // 逻辑跳转：只有选Python或JS才显示
}
]
}
2. 核心渲染逻辑
// frontend/js/app.js
class SurveyApp {
constructor(config) {
this.questions = config.questions;
this.currentAnswers = {};
this.container = document.getElementById('survey-container');
this.render();
}
render() {
this.container.innerHTML = '';
this.questions.forEach((q, index) = {
// 检查逻辑可见性
if (this.isVisible(q)) {
const questionEl = this.createQuestionElement(q);
this.container.appendChild(questionEl);
}
});
}
isVisible(question) {
// 简单实现：检查 visible_if 条件
if (!question.visible_if) return true;
for (const [parentId, validValues] of Object.entries(question.visible_if)) {
const parentAnswer = this.currentAnswers[parentId];
// 如果父题未回答，或回答不在有效值列表中，则隐藏
if (!parentAnswer || !validValues.includes(parentAnswer)) {
return false;
}
}
return true;
}
createQuestionElement(question) {
const div = document.createElement('div');
div.className = 'question-item';
// 生成标题
const label = document.createElement('label');
label.textContent = question.text;
div.appendChild(label);
// 生成选项
const optionsWrapper = document.createElement('div');
optionsWrapper.className = 'options';
question.options.forEach(opt = {
const input = document.createElement('input');
input.type = question.type;
input.name = question.id;
input.value = opt;
// 监听变化，更新状态并重新渲染（处理逻辑跳转）
input.addEventListener('change', (e) = {
this.updateAnswer(question.id, e.target.value, question.type);
this.render(); // 重新渲染以显示/隐藏依赖题目
});
const optLabel = document.createElement('label');
optLabel.appendChild(input);
optLabel.appendChild(document.createTextNode(opt));
optionsWrapper.appendChild(optLabel);
});
div.appendChild(optionsWrapper);
return div;
}
updateAnswer(qId, value, type) {
if (type === 'checkbox') {
// 复选框需要特殊处理，获取所有选中的值
const checked = document.querySelectorAll(`input[name=${qId}]:checked`);
this.currentAnswers[qId] = Array.from(checked).map(el = el.value);
} else {
this.currentAnswers[qId] = value;
}
}
submit() {
// 简单的必填校验
for (const q of this.questions) {
if (q.required (!this.currentAnswers[q.id] || this.currentAnswers[q.id].length === 0)) {
alert(`请完成题目：${q.text}`);
return;
}
}
const payload = {
survey_id: 'uni_2024',
answers: this.currentAnswers
};
fetch('/api/survey/submit', {
method: 'POST',
headers: { 'Content-Type': 'application/json' },
body: JSON.stringify(payload)
})
.then(res = res.json())
.then(data = {
if (data.code === 200) {
alert('提交成功！您的确认码：' + data.data.confirmation_code);
this.loadStats(); // 提交后加载统计
} else {
alert(data.msg);
}
})
.catch(err = console.error('Error:', err));
}
}
// 初始化应用
document.addEventListener('DOMContentLoaded', () = {
// 实际项目中，这里应该是 fetch 获取问卷配置
const config = {
survey_id: uni_2024,
questions: [/* 从后端获取的题目配置 */]
};
const app = new SurveyApp(config);
window.surveyApp = app; // 暴露给外部调用提交
});
关键点：
状态驱动渲染：render()方法每次都在updateAnswer后调用。虽然这在大数据量下会有性能问题，但对于问卷这种题目数量有限的场景（通常不超过50题），是完全可接受的。
逻辑跳转：isVisible方法实现了【大学生新颖的调查问卷】的核心功能。当用户选择Python时，q2显示；选择Go时，q2隐藏。这比传统的静态问卷体验好得多。
运行与测试
代码写完后，不要直接部署。本地测试是发现Bug的最佳时机。
1. 启动后端
cd backend
python -m venv venv
source venv/bin/activate # Windows: venv\Scripts\activate
pip install -r requirements.txt
python app.py
2. 使用Postman测试接口
发送POST请求到http://localhost:5000/api/survey/submit：
{
survey_id: uni_2024,
answers: {
q1: Python,
q2: [Flask, Vue]
}
}
预期结果：
如果q1选Python，q2存在，返回200。
如果q1选Go，但answers里强行传了q2，我们的validate_survey_data应该能识别出这个逻辑错误（如果我们在后端也做了逻辑校验的话，建议加上，因为前端校验可被绕过）。
3. 前端联调
打开浏览器控制台，手动触发提交：
surveyApp.submit();
观察网络请求，检查answers字段是否完整。特别注意复选框的值是否正确转换为数组。
优化扩展：从入门到精通
现在项目能跑了，但还称不上“精通”。以下几个优化点，能让你的项目脱颖而出：
1. 数据可视化
在stats.py中添加统计接口，返回各选项的占比。前端使用Chart.js绘制饼图。
# backend/routes/stats.py
from flask import Blueprint, jsonify
from ..models import db, SurveyAnswer
from collections import Counter
stats_bp = Blueprint('stats', __name__)
@stats_bp.route('/api/survey/survey_id/stats', methods=['GET'])
def get_stats(survey_id):
answers = SurveyAnswer.query.filter_by(survey_id=survey_id).all()
# 简单的统计逻辑，实际项目建议预计算或存入Redis
q1_counter = Counter()
for a in answers:
if 'q1' in a.answers:
q1_counter[a.answers['q1']] += 1
total = sum(q1_counter.values())
result = {
'q1': {k: {'count': v, 'percent': round(v/total*100, 2) if total else 0} for k, v in q1_counter.items()}
}
return jsonify(result)
2. 防刷策略升级
目前的check_rate_limit只是简单的IP限制。进阶做法是引入Redis缓存，使用INCR和EXPIRE命令实现滑动窗口限流。
3. 安全性加固
CORS配置：如果前后端域名不同，需配置CORS。
HTTPS：生产环境必须使用HTTPS，防止数据被窃听。
输入过滤：虽然Flask有基础防护，但对JSON中的字符串字段，建议额外过滤特殊字符，防止存储型XSS。
小结
通过【大学生新颖的调查问卷】这个项目，你不仅学会了如何搭建一个全栈应用，更理解了数据驱动UI、服务端校验、API设计规范等核心概念。
从看教程到能独立写出一个可运行的项目，中间隔着的是大量的试错和调试。不要怕报错，每个Error都是你通往【入门到精通】的阶梯。
你在项目里踩过这个坑吗？比如复选框状态丢失、或者逻辑跳转死循环？评论区聊聊，我们一起解决。 
长河君 · 2026/9/22 0:20:16 · 阅读 1.2k 大学生新颖的调查问卷入门到精通：从零搭建实战项目
大学生新颖的调查问卷入门到精通：从零搭建实战项目
看了一堆教程还是不会写项目？这是大多数初学者最大的痛。别急，今天我们直接上手，通过【大学生新颖的调查问卷】这个实战案例，带你走完【入门到精通】的全流程。
项目目标与需求拆解
很多初学者一上来就写代码，结果写到一半发现逻辑乱套。记住，先懂业务，再敲代码。这个项目的核心不是做一个普通的选择题问卷，而是要解决传统问卷的痛点：题目枯燥、缺乏交互、数据难以关联分析。
我们要实现的目标很明确：
动态题目生成：根据前一题的回答，动态显示后续题目（类似逻辑跳转）。
实时数据反馈：提交后即时生成可视化图表，而不是等到后台统计。
防刷与数据清洗：引入简单的验证码机制，过滤掉恶意提交的垃圾数据。
为什么选这个主题？因为“新颖”二字意味着我们不能只用简单的HTML表单。我们需要引入前端状态管理，后端则需要处理复杂的JSON数据解析。这正好覆盖了前端交互、后端逻辑、数据库存储三大核心技能。
目录结构规划
好的工程结构是成功的一半。不要把所有代码堆在一个文件里，那是新手才做的事。我们采用前后端分离的架构，项目结构如下：
survey-project/
├── backend/
│ ├── app.py # Flask主入口
│ ├── models.py # 数据库模型定义
│ ├── routes/
│ │ ├── survey.py # 问卷获取与提交接口
│ │ └── stats.py # 统计数据分析接口
│ ├── utils/
│ │ ├── validator.py # 数据校验工具
│ │ └── anti_spam.py # 防刷策略
│ └── requirements.txt # 依赖管理
├── frontend/
│ ├── index.html # 页面入口
│ ├── js/
│ │ ├── app.js # 核心逻辑
│ │ └── chart.js # 图表封装
│ └── css/
│ └── style.css # 样式表
└── README.md # 项目说明
关键点解析：
routes模块：将API路由独立出来，避免app.py变成“上帝文件”。
utils模块：将校验、防刷等通用逻辑抽离，方便单元测试和复用。
前后端分离：前端负责渲染和交互，后端只负责提供JSON数据，这种模式在【大学生新颖的调查问卷】这类应用中能极大提升加载速度和用户体验。
核心代码实现：后端逻辑
后端我们选择Python Flask，因为它轻量且易于快速搭建原型。但在处理【大学生新颖的调查问卷】时，我们需要特别注意数据的结构化存储。
1. 数据模型定义
传统的问卷往往用多张表存储，但为了灵活支持“动态题目”，我们采用JSON字段存储答案。
# backend/models.py
from flask_sqlalchemy import SQLAlchemy
from datetime import datetime
db = SQLAlchemy()
class SurveyAnswer(db.Model):
存储问卷提交记录
注意：answers字段使用JSON类型，以支持动态题目结构
id = db.Column(db.Integer, primary_key=True)
survey_id = db.Column(db.String(50), nullable=False, index=True)
# 使用JSON存储所有题目的回答，结构如：{q1: A, q2: B, q3_dynamic: C}
answers = db.Column(db.JSON, nullable=False)
ip_address = db.Column(db.String(45), nullable=False) # 用于防刷
created_at = db.Column(db.DateTime, default=datetime.utcnow)
def to_dict(self):
序列化对象，便于前端直接渲染
return {
'id': self.id,
'survey_id': self.survey_id,
'answers': self.answers,
'created_at': self.created_at.isoformat()
}
逐行讲解：
db.JSON：这是关键。如果使用传统的String字段，前端拿到数据后还得自己解析JSON，增加了出错概率。直接使用JSON类型，ORM层会自动处理序列化。
index=True：在survey_id上建立索引。当问卷提交量达到百万级时，如果没有索引，查询特定问卷的统计数据会非常慢。
to_dict方法：很多新手忘记这一步，导致前端报错AttributeError。始终要提供标准化的数据输出接口。
2. 接口实现与数据校验
在routes/survey.py中，我们实现提交接口。这里引入了一个重要的概念：服务端校验。不要信任前端传来的任何数据。
# backend/routes/survey.py
from flask import Blueprint, request, jsonify
from ..models import db, SurveyAnswer
from ..utils.validator import validate_survey_data
from ..utils.anti_spam import check_rate_limit
survey_bp = Blueprint('survey', __name__)
@survey_bp.route('/api/survey/submit', methods=['POST'])
def submit_survey():
提交问卷接口
遵循 RESTful 规范，返回 JSON 格式
# 1. 获取客户端IP，用于频率限制
client_ip = request.remote_addr
# 2. 防刷检查：同一IP每分钟最多提交5次
if not check_rate_limit(client_ip):
return jsonify({'code': 429, 'msg': '提交过于频繁，请稍后再试'}), 429
# 3. 解析请求体
data = request.get_json()
if not data:
return jsonify({'code': 400, 'msg': '请求体为空或格式错误'}), 400
# 4. 核心校验逻辑
# 这里调用工具函数，检查题目完整性、选项合法性
is_valid, error_msg = validate_survey_data(data)
if not is_valid:
return jsonify({'code': 422, 'msg': error_msg}), 422
# 5. 存入数据库
try:
new_answer = SurveyAnswer(
survey_id=data.get('survey_id'),
answers=data.get('answers'),
ip_address=client_ip
)
db.session.add(new_answer)
db.session.commit()
return jsonify({
'code': 200,
'msg': '提交成功',
'data': {
'answer_id': new_answer.id,
# 返回一个简单的确认ID，前端可用于后续查询统计
'confirmation_code': fSURV-{new_answer.id}
}
}), 200
except Exception as e:
db.session.rollback()
# 生产环境建议记录日志，而不是直接返回异常详情
print(fDatabase error: {e})
return jsonify({'code': 500, 'msg': '服务器内部错误，提交失败'}), 500
避坑指南：
异常处理：try-except块中的db.session.rollback()至关重要。如果数据库操作失败，事务必须回滚，否则会导致脏数据。
错误码规范：不要所有错误都返回200。422表示“无法处理的实体”（Unprocessable Entity），专门用于校验失败；429表示“太多请求”，用于限流。这符合RFC 7231 HTTP语义规范，能让前端更精准地处理不同错误。
前端交互：动态题目渲染
【大学生新颖的调查问卷】的“新颖”体现在前端。我们需要根据题目配置，动态生成DOM节点。
1. 题目配置数据结构
后端或配置文件中的题目结构如下：
{
survey_id: uni_2024,
title: 大学生编程学习状况调查,
questions: [
{
id: q1,
type: radio,
text: 你主要学习哪种编程语言？,
options: [Python, Java, JavaScript, Go],
required: true
},
{
id: q2,
type: checkbox,
text: 你使用过哪些框架？,
options: [Flask, Spring, React, Vue],
required: false,
visible_if: {q1: [Python, JavaScript]} // 逻辑跳转：只有选Python或JS才显示
}
]
}
2. 核心渲染逻辑
// frontend/js/app.js
class SurveyApp {
constructor(config) {
this.questions = config.questions;
this.currentAnswers = {};
this.container = document.getElementById('survey-container');
this.render();
}
render() {
this.container.innerHTML = '';
this.questions.forEach((q, index) = {
// 检查逻辑可见性
if (this.isVisible(q)) {
const questionEl = this.createQuestionElement(q);
this.container.appendChild(questionEl);
}
});
}
isVisible(question) {
// 简单实现：检查 visible_if 条件
if (!question.visible_if) return true;
for (const [parentId, validValues] of Object.entries(question.visible_if)) {
const parentAnswer = this.currentAnswers[parentId];
// 如果父题未回答，或回答不在有效值列表中，则隐藏
if (!parentAnswer || !validValues.includes(parentAnswer)) {
return false;
}
}
return true;
}
createQuestionElement(question) {
const div = document.createElement('div');
div.className = 'question-item';
// 生成标题
const label = document.createElement('label');
label.textContent = question.text;
div.appendChild(label);
// 生成选项
const optionsWrapper = document.createElement('div');
optionsWrapper.className = 'options';
question.options.forEach(opt = {
const input = document.createElement('input');
input.type = question.type;
input.name = question.id;
input.value = opt;
// 监听变化，更新状态并重新渲染（处理逻辑跳转）
input.addEventListener('change', (e) = {
this.updateAnswer(question.id, e.target.value, question.type);
this.render(); // 重新渲染以显示/隐藏依赖题目
});
const optLabel = document.createElement('label');
optLabel.appendChild(input);
optLabel.appendChild(document.createTextNode(opt));
optionsWrapper.appendChild(optLabel);
});
div.appendChild(optionsWrapper);
return div;
}
updateAnswer(qId, value, type) {
if (type === 'checkbox') {
// 复选框需要特殊处理，获取所有选中的值
const checked = document.querySelectorAll(`input[name=${qId}]:checked`);
this.currentAnswers[qId] = Array.from(checked).map(el = el.value);
} else {
this.currentAnswers[qId] = value;
}
}
submit() {
// 简单的必填校验
for (const q of this.questions) {
if (q.required (!this.currentAnswers[q.id] || this.currentAnswers[q.id].length === 0)) {
alert(`请完成题目：${q.text}`);
return;
}
}
const payload = {
survey_id: 'uni_2024',
answers: this.currentAnswers
};
fetch('/api/survey/submit', {
method: 'POST',
headers: { 'Content-Type': 'application/json' },
body: JSON.stringify(payload)
})
.then(res = res.json())
.then(data = {
if (data.code === 200) {
alert('提交成功！您的确认码：' + data.data.confirmation_code);
this.loadStats(); // 提交后加载统计
} else {
alert(data.msg);
}
})
.catch(err = console.error('Error:', err));
}
}
// 初始化应用
document.addEventListener('DOMContentLoaded', () = {
// 实际项目中，这里应该是 fetch 获取问卷配置
const config = {
survey_id: uni_2024,
questions: [/* 从后端获取的题目配置 */]
};
const app = new SurveyApp(config);
window.surveyApp = app; // 暴露给外部调用提交
});
关键点：
状态驱动渲染：render()方法每次都在updateAnswer后调用。虽然这在大数据量下会有性能问题，但对于问卷这种题目数量有限的场景（通常不超过50题），是完全可接受的。
逻辑跳转：isVisible方法实现了【大学生新颖的调查问卷】的核心功能。当用户选择Python时，q2显示；选择Go时，q2隐藏。这比传统的静态问卷体验好得多。
运行与测试
代码写完后，不要直接部署。本地测试是发现Bug的最佳时机。
1. 启动后端
cd backend
python -m venv venv
source venv/bin/activate # Windows: venv\Scripts\activate
pip install -r requirements.txt
python app.py
2. 使用Postman测试接口
发送POST请求到http://localhost:5000/api/survey/submit：
{
survey_id: uni_2024,
answers: {
q1: Python,
q2: [Flask, Vue]
}
}
预期结果：
如果q1选Python，q2存在，返回200。
如果q1选Go，但answers里强行传了q2，我们的validate_survey_data应该能识别出这个逻辑错误（如果我们在后端也做了逻辑校验的话，建议加上，因为前端校验可被绕过）。
3. 前端联调
打开浏览器控制台，手动触发提交：
surveyApp.submit();
观察网络请求，检查answers字段是否完整。特别注意复选框的值是否正确转换为数组。
优化扩展：从入门到精通
现在项目能跑了，但还称不上“精通”。以下几个优化点，能让你的项目脱颖而出：
1. 数据可视化
在stats.py中添加统计接口，返回各选项的占比。前端使用Chart.js绘制饼图。
# backend/routes/stats.py
from flask import Blueprint, jsonify
from ..models import db, SurveyAnswer
from collections import Counter
stats_bp = Blueprint('stats', __name__)
@stats_bp.route('/api/survey/survey_id/stats', methods=['GET'])
def get_stats(survey_id):
answers = SurveyAnswer.query.filter_by(survey_id=survey_id).all()
# 简单的统计逻辑，实际项目建议预计算或存入Redis
q1_counter = Counter()
for a in answers:
if 'q1' in a.answers:
q1_counter[a.answers['q1']] += 1
total = sum(q1_counter.values())
result = {
'q1': {k: {'count': v, 'percent': round(v/total*100, 2) if total else 0} for k, v in q1_counter.items()}
}
return jsonify(result)
2. 防刷策略升级
目前的check_rate_limit只是简单的IP限制。进阶做法是引入Redis缓存，使用INCR和EXPIRE命令实现滑动窗口限流。
3. 安全性加固
CORS配置：如果前后端域名不同，需配置CORS。
HTTPS：生产环境必须使用HTTPS，防止数据被窃听。
输入过滤：虽然Flask有基础防护，但对JSON中的字符串字段，建议额外过滤特殊字符，防止存储型XSS。
小结
通过【大学生新颖的调查问卷】这个项目，你不仅学会了如何搭建一个全栈应用，更理解了数据驱动UI、服务端校验、API设计规范等核心概念。
从看教程到能独立写出一个可运行的项目，中间隔着的是大量的试错和调试。不要怕报错，每个Error都是你通往【入门到精通】的阶梯。
你在项目里踩过这个坑吗？比如复选框状态丢失、或者逻辑跳转死循环？评论区聊聊，我们一起解决。