基于Python的个人博客系统设计与实现的详细项目实例

请注意此篇内容只是一个项目介绍 更多详细内容可直接联系博主本人 

 或者访问对应标题的完整博客或者文档下载页面（含完整的程序，GUI设计和代码详解）

在互联网内容持续爆发、个人品牌意识不断增强、数字化表达方式日益丰富的时代背景下，个人博客系统已经不再只是一个用于记录日常感悟的简单网页，而是逐渐发展为集内容创作、知识管理、社交互动、技术展示、数据沉淀与自我表达于一体的综合性平台。尤其在技术学习、求职展示、经验分享、作品沉淀、学习笔记整理等多个场景中，一个结构清晰、功能完善、界面友好、可持续维护的个人博客系统具有非常突出的现实价值。相较于依赖第三方平台发布内容，独立博客能够拥有更强的数据掌控能力、更高的页面定制自由度以及更稳定的内容归档能力，因此基于 Python 设计并实现一个个人博客系统，不仅具有明确的工程实践意义，也具备较高的教学参考价值。

Python 作为当前应用广泛、生态成熟、开发效率高的编程语言，在 Web 开发领域有着非常完整的工具体系。借助 Flask 或 Django 等框架，可以快速完成路由管理、数据库操作、模板渲染、用户认证、表单验证、文件上传、权限控制、接口封装等核心功能。对于个人博客系统这类兼顾前台展示与后台管理的中小型 Web 项目而言，Python 不仅能够显著降低开发门槛，还能在可读性、可维护性、扩展性方面体现出明显优势。同时，Python 具备大量成熟库可直接服务于博客系统的增强功能，例如 Markdown 渲染、全文检索、图片处理、邮件通知、缓存优化、日志管理、数据分析等，这使得博客系统能够从基础内容发布平台逐步升级为更完整的信息服务系统。

从实际需求层面来看，个人博客系统通常包含文章发布、分类管理、标签检索、评论互动、用户注册登录、后台内容审核、富文本编辑、文章浏览统计、站内搜索、友情链接、首页推荐、归档展示、草稿保存、封面图上传等功能模块。这些模块之间既相互独立，又彼此协作，共同构成一个完整的信息流转闭环。文章内容是博客系统的核心，分类和标签负责组织内容结构，评论区增强互动性，后台管理提升维护效率，用户体系支撑个性化服务，搜索与归档帮助提升信息可达性。正因为业务链条较完整，个人博客系统非常适合作为 Python Web 开发课程设计、毕业设计、实训项目或个人作品集项目进行深入实现。

从项目实施角度来看，基于 Python 的个人博客系统具备很强的落地性。数据库层可采用 MySQL 或 SQLite 存储文章、用户、评论、标签、分类等结构化数据；前端页面可使用 HTML、CSS、JavaScript 与 Bootstrap 完成响应式展示；后端通过 Flask 路由分发请求，结合 ORM 工具处理数据模型；登录权限通过 Session 或 Flask-Login 完成状态管理；文件上传借助本地存储或对象存储服务实现图片管理；文章编辑器可结合 Markdown 技术提升创作效率。整个系统既能覆盖典型的 Web 开发技术链，又不会因复杂业务而脱离个人项目的实现范围。

更重要的是，这类项目具有很强的可扩展价值。在基础博客功能完成后，还可以逐步加入文章点赞、收藏、访问量统计、推荐算法、搜索高亮、RSS 订阅、静态化部署、后台仪表盘、敏感词过滤、消息通知、SEO 优化等进阶能力，使系统逐步具备平台化雏形。由此可见，基于 Python 的个人博客系统并非单纯的页面拼接项目，而是一个覆盖数据库设计、业务逻辑建模、权限控制、安全防护、页面交互、系统优化与部署发布等多维能力的综合性工程案例。将这一项目进行详细设计与实现，既能够全面体现 Python 在 Web 开发中的工程优势，也能够形成一份具有真实实践价值、结构完整、内容扎实、便于展示与复用的项目成果。

项目目标与意义

构建完整的个人内容发布与管理平台

个人博客系统的首要目标，是建立一个完整、稳定、可持续维护的内容发布与管理平台，使文章创作、内容展示、信息组织与后台维护形成统一闭环。传统静态页面虽然能够展示信息，但在面对持续更新、多篇文章管理、分类整理、标签筛选、评论互动等需求时，往往难以提供良好的维护体验。而通过 Python 构建博客系统，可以将文章数据、分类信息、用户状态、评论记录等内容统一纳入数据库管理，通过后台管理界面完成发布、修改、删除、查询等操作，极大提升内容维护效率。对于个人创作者而言，这样的平台不仅可以集中管理知识成果，还可以长期保存学习过程、工作经验与技术积累，形成结构清晰的数字资产库。系统化的内容管理方式还能帮助创作者从零散记录逐步过渡到有组织的知识沉淀，增强内容价值与可检索性，这正是项目实施的重要目标之一。

提升 Python Web 开发能力与工程实践能力

该项目的重要意义还体现在技术训练层面。个人博客系统虽然属于中小型 Web 应用，但涵盖了后端开发中的大量核心能力，包括路由设计、模板渲染、数据库建模、表单处理、用户认证、权限控制、文件上传、异常处理、日志记录、分页查询与接口规范等。通过完整实现这一系统，可以全面锻炼 Python Web 开发中的工程思维，不再停留于单点功能演示，而是进入到模块协作、结构解耦、业务流设计和系统测试等更接近真实项目开发的阶段。尤其在实际编码过程中，数据库表之间的关系设计、文章与标签的多对多关联、评论的层级结构、用户角色的区分、前后台页面的分离布局等内容，都能够帮助开发者真正理解系统设计的逻辑，而不仅仅是调用框架功能。由此产生的项目成果，也具备较强的技术展示价值，能够作为课程设计、实训项目、作品集案例或求职项目的重要组成部分。

强化数据自主可控与个性化展示能力

与依赖第三方内容平台相比，自建博客系统最显著的意义之一，在于数据控制权与展示自由度的提升。在公共平台发布内容，通常需要遵循平台规则，页面样式、推荐机制、内容展示方式乃至数据导出能力都受到限制。而独立博客系统能够将文章内容、用户数据、评论信息、访问日志等全部保存在自有数据库中，具备更高的数据安全性与迁移便利性。同时，系统界面可按照个人风格进行深度定制，例如首页布局、文章详情页结构、标签云展示、夜间模式、文章推荐方式、导航栏设计等，都可以依据需求自主设计。这种个性化能力不仅提升了博客的视觉识别度，还增强了内容表达的独特性。对于技术创作者、设计从业者、研究人员、教育工作者等群体而言，一个具有个性风格和完整数据掌控能力的博客平台，远比统一模版的第三方页面更具长期价值。

为后续功能扩展与系统升级奠定基础

该项目不仅服务于当前的文章发布需求，还具备明显的扩展意义。博客系统的核心结构一旦搭建完成，后续可以在其基础上不断增加更高层次的功能，例如全文搜索、文章推荐、访问统计、数据可视化分析、邮件通知、评论审核、敏感词过滤、多角色协作、API 接口开放、前后端分离改造、云部署与容器化发布等。由于 Python 生态完整，这些能力都可以通过成熟组件逐步接入，从而使最初的个人博客系统具备持续成长空间。项目的价值因此不仅局限于“完成一个网站”，更在于构建一个结构清晰、便于迭代的内容系统原型。借助这一原型，可以继续探索缓存优化、搜索引擎优化、安全加固、并发处理等更深入的技术主题，使项目从基础型应用逐步演变为具有平台特征的完整系统。正因为具备这种可扩展性，该项目既适合学习阶段打基础，也适合后续持续打磨和深化。

项目挑战及解决方案

数据模型关系复杂，内容组织容易混乱

个人博客系统看似以文章展示为核心，但在实际设计中，数据之间的关系并不简单。文章通常不仅包含标题、摘要、正文、封面图、发布时间、阅读量等基础字段，还会与作者、分类、标签、评论、状态、置顶标记等多种信息产生关联。尤其标签与文章之间往往是多对多关系，一个标签可以对应多篇文章，一篇文章也可以拥有多个标签；评论还可能存在父子层级，用于表示回复关系；用户和文章又是一对多关系。若在建模阶段没有梳理清晰，极易导致查询复杂、数据冗余、逻辑混乱等问题，后续维护成本也会明显上升。解决这一挑战的关键，在于采用规范化数据库设计思想，对核心实体进行清晰拆分，并借助 ORM 工具建立标准关系映射。例如使用独立的 article、category、tag、user、comment 等数据表，通过中间表 article_tag 管理多对多关系，通过外键维持数据一致性。这样不仅提高了数据组织能力，也让后续筛选、统计、搜索和展示更加高效可靠。

前后台功能并存，权限与安全控制要求较高

博客系统往往同时包含面向访客的前台展示页面和面向管理员的后台管理界面。前台关注阅读体验、内容浏览与评论互动，后台则负责文章增删改查、分类管理、标签配置、用户审核、评论处理等管理功能。若权限控制设计不严谨，普通用户可能越权访问管理页面，甚至触发敏感数据操作。此外，系统还需要面对常见的 Web 安全问题，如恶意表单提交、SQL 注入、跨站脚本攻击、文件上传安全风险、弱密码登录等。要解决这一系列问题，需要从认证和防护两个维度同步推进。认证层面可通过 Flask-Login 等组件实现登录状态管理，通过角色字段区分管理员与普通用户，并在路由层增加权限装饰器限制访问范围。安全层面则需采用 ORM 避免拼接 SQL，使用表单验证器过滤非法输入，对评论内容进行 HTML 转义，对上传文件限制类型与大小，对密码使用哈希算法加密存储，并为后台关键操作加入二次确认机制。通过这一整套方案，系统的稳定性与安全性才能得到有效保障。

用户体验与系统性能需要同步兼顾

一个博客系统即使功能齐全，若页面加载缓慢、搜索效率较低、文章列表杂乱、交互体验生硬，也难以形成良好的使用效果。在文章数量较少时，直接查询数据库并渲染页面通常问题不大，但随着数据持续累积，文章分页、标签筛选、评论加载、热门文章排行、归档统计等功能都会带来额外性能压力。再加上图片上传、Markdown 渲染、访问量统计等需求，系统若缺少优化设计，很容易出现响应延迟、资源浪费甚至页面卡顿。对此，需要从多个层面进行解决。界面层面可采用响应式布局与分页机制，避免一次性加载过多内容；业务层面可将热门文章、分类统计、标签云等高频数据进行缓存处理；数据库层面应为常用查询字段建立索引，如发布时间、分类编号、用户编号、文章状态等；内容层面可对图片进行压缩与缩略图生成，减少前端传输压力；展示层面可借助摘要字段与懒加载技术优化首页性能。通过界面、业务、数据库、资源管理的协同优化，博客系统才能在功能完整的同时保持良好的可用性与访问效率。

项目模型架构

表现层架构设计

表现层主要负责与访问者和管理员进行交互，是系统对外呈现的第一入口。在个人博客系统中，表现层通常由前台页面和后台管理页面两部分组成。前台页面包含首页、文章列表页、文章详情页、分类页、标签页、归档页、登录注册页等，核心目标是清晰展示内容、提升阅读体验并支持搜索与交互。后台页面则包括文章管理、分类管理、标签管理、评论管理、用户管理、系统设置等模块，目标是方便维护者高效管理站点。技术实现上，表现层通常采用 HTML、CSS、JavaScript 与 Bootstrap 进行构建，借助模板引擎完成动态数据渲染。模板引擎的基本原理是将页面结构与变量占位符组合，通过后端将查询到的数据注入模板，再生成完整 HTML 返回浏览器。这种方式能够实现页面复用，例如统一的导航栏、底部信息、侧边栏组件都可以抽离成公共模板，减少重复开发并提升维护效率。表现层设计的关键不只是美观，还包括交互逻辑清晰、页面层次合理、信息可读性强，从而让博客系统具备良好的实际使用价值。

控制层与路由分发架构

控制层是系统处理请求与协调业务逻辑的中枢，其核心职责是接收浏览器请求、解析参数、调用服务逻辑、组织响应结果并返回页面或数据。在 Flask 架构中，这一层通常由多个路由函数或蓝图模块构成。其运行原理是：浏览器发送请求后，路由系统根据 URL 路径和请求方法匹配对应视图函数，视图函数再根据当前业务需求完成数据库查询、表单验证、权限检查、模板渲染或重定向等操作。例如访问首页时，控制层会查询已发布文章并分页展示；访问文章详情页时，会依据文章编号读取正文、标签和评论；提交评论时，会验证表单内容并写入数据库。为了避免所有逻辑堆积在单个文件中，项目通常采用模块化蓝图结构，将首页、认证、文章、评论、后台等功能拆分到不同控制单元。这样做的好处在于结构更清晰、职责更明确，也便于后期扩展。控制层还承担请求合法性校验、登录状态判断、异常捕获等职责，是连接前端页面与后端业务的核心枢纽。

业务层与服务模型设计

业务层负责封装系统的核心规则，是区别于简单页面展示项目的重要部分。个人博客系统中的业务逻辑并不仅仅是“查数据库然后显示页面”，还包括文章发布状态控制、文章浏览量递增、评论审核流程、标签绑定规则、置顶文章展示、草稿保存机制、文章摘要生成、分类统计更新、用户权限分配等内容。若将这些规则全部直接写入路由函数，代码会迅速变得混乱，不利于后期维护。因此在模型架构设计中，业务层通常以服务类或独立逻辑模块形式存在，用于承接控制层传入的数据并处理核心业务。例如文章发布服务可以负责校验标题唯一性、处理封面图路径、生成文章摘要、建立标签关联并提交事务；评论服务可以负责敏感词过滤、审核状态设置和文章评论数更新。其基本原理是通过高内聚、低耦合的方式，将“做什么”和“怎么做”从页面请求处理中拆分出来，使每一类业务都能在独立单元中演进。这样不仅增强代码可读性，也让测试、调试和扩展更加方便。

数据层与 ORM 映射机制

数据层是整个系统的信息基础，负责数据的持久化存储、查询与关系维护。博客系统中的文章、用户、评论、分类、标签、友情链接、站点配置等信息都需要通过数据库进行长期保存。传统直接拼接 SQL 的方式虽然灵活，但在可维护性、安全性和开发效率方面存在明显不足，因此实际项目中通常采用 ORM 技术进行数据建模。ORM 的基本原理是通过类映射数据库表、对象属性映射字段、对象关系映射表之间关系，使开发过程从“写 SQL”转变为“操作对象”。例如 Article 类对应文章表，Category 类对应分类表，Tag 类对应标签表，Article.tags 属性则可以通过中间表表达文章与标签的多对多关系。借助 ORM，不仅可以提高编码可读性，还能在一定程度上避免 SQL 注入风险，并支持迁移工具自动管理表结构变更。数据层设计中还需要关注索引优化、字段约束、默认值、唯一性、外键依赖和删除策略等问题。例如删除分类时是否允许级联删除文章、删除文章时评论如何处理、标签删除后关联关系如何清理，这些都直接影响数据一致性与系统稳定性。

算法与辅助模块架构

虽然个人博客系统并不是典型的算法密集型平台，但仍然包含若干关键的辅助算法和规则机制，这些内容共同构成系统的增强架构。例如搜索模块中常见的关键词匹配与模糊查询，其原理是将用户输入的关键词与文章标题、摘要、正文中的文本进行包含匹配，必要时可借助全文索引提升效率；推荐模块可以基于阅读量、发布时间、置顶标记和标签相似度构建简化排序算法，将更相关的文章优先展示；分页模块通过 limit 和 offset 控制结果集范围，使页面按固定数量展示文章，提高加载效率；摘要生成模块则通过截取正文前若干字符、去除 HTML 或 Markdown 标记生成简洁预览内容；密码安全模块通过哈希算法将原始密码转换为不可逆密文，降低账户泄露风险。哈希算法的基本原理是对输入数据执行单向计算，输出固定长度摘要，常用工具可自动加入盐值增强安全性。除此之外，系统还可引入缓存机制，将热门文章列表、分类统计、站点信息等访问频繁但变化较少的数据临时保存在内存中，减少数据库压力。正是这些辅助模块与简化算法的配合，才使博客系统不仅能运行，而且运行得更稳定、更高效、更符合真实使用需求。

项目模型描述及代码示例

用户密码加密模型
from werkzeug.security import generate_password_hash, check_password_hash # 导入密码哈希生成与校验函数，用于安全存储用户密码，避免明文保存
password = "blog_admin_123" # 定义原始密码字符串，模拟注册或修改密码时输入的密码内容
hashed_password = generate_password_hash(password) # 对原始密码执行带盐哈希处理，生成不可逆的安全密文
print(hashed_password) # 输出生成后的哈希值，用于观察密码在数据库中的实际存储形式
input_password = "blog_admin_123" # 定义登录时输入的密码，用于模拟用户登录验证过程
is_valid = check_password_hash(hashed_password, input_password) # 将输入密码与数据库中的哈希值进行比对，返回布尔结果表示是否匹配
print(is_valid) # 输出验证结果，True 表示密码正确，False 表示密码错误
class UserPasswordService: # 定义用户密码服务类，用于封装密码创建与验证逻辑，便于在系统中统一调用
def create_password(self, raw_password): # 定义创建密码哈希的方法，参数为用户原始输入密码
return generate_password_hash(raw_password) # 返回处理后的哈希值，供注册或重置密码时写入数据库
def verify_password(self, hashed_password, raw_password):  # 定义密码校验方法，参数包含数据库中的哈希值和登录输入密码  
    return check_password_hash(hashed_password, raw_password)  # 返回校验结果，供登录流程判断认证是否通过  
service = UserPasswordService() # 实例化密码服务对象，模拟系统业务层中对密码逻辑的调用
saved_hash = service.create_password("editor_pass_456") # 调用创建方法生成编辑者账户密码哈希，模拟注册动作
print(saved_hash) # 输出新生成的哈希值，验证服务方法是否正常工作
print(service.verify_password(saved_hash, "editor_pass_456")) # 校验输入密码与哈希值是否一致，结果用于登录认证
print(service.verify_password(saved_hash, "wrong_pass")) # 用错误密码进行校验，观察认证失败场景的返回结果
文章摘要生成模型
import re # 导入正则表达式模块，用于处理文章正文中的标签和空白字符
from html import unescape # 导入 HTML 实体还原函数，用于将转义字符恢复为普通文本
def build_summary(content, limit=120): # 定义文章摘要生成函数，参数为正文内容和摘要最大长度
text = re.sub(r"<[^>]+>", "", content) # 去除正文中的 HTML 标签，避免摘要中出现无关的格式代码
text = re.sub(r"#+\s", "", text) # 去除 Markdown 中的井号标题标记，使摘要更加自然简洁
text = re.sub(r"![.?](.?)", "", text) # 去除 Markdown 图片语法，避免图片描述干扰摘要内容
text = re.sub(r"[([^]]+)]((.?))", r"\1", text) # 将 Markdown 链接转换为纯文本显示，仅保留链接文字
text = unescape(text) # 将 HTML 转义字符恢复成普通字符，提升摘要可读性
text = re.sub(r"\s+", " ", text).strip() # 将多个空白字符合并为单个空格并移除首尾空白
return text[:limit] + ("..." if len(text) > limit else "") # 按设定长度截取摘要，并在超长时追加省略号
article_content = "Python博客系统这是一个支持 Markdown 编辑、评论管理与标签检索的博客平台。" # 构造模拟文章正文，包含 HTML 标签与中文说明
summary = build_summary(article_content, limit=30) # 调用摘要函数生成指定长度的文章简介
print(summary) # 输出处理后的摘要结果，用于首页列表、推荐卡片等场景展示
markdown_content = "# Flask 入门\n这是一个，还支持图片  " # 构造包含 Markdown 标记的正文内容
print(build_summary(markdown_content, limit=40)) # 输出 Markdown 内容的清洗摘要结果，观察函数兼容性
文章分页查询模型
from math import ceil # 导入向上取整函数，用于计算总页数
def paginate(items, page=1, per_page=5): # 定义通用分页函数，参数为数据列表、当前页码和每页数量
total = len(items) # 获取数据总数，用于统计页面信息
total_pages = ceil(total / per_page) if total > 0 else 1 # 根据总数和每页数量计算总页数，确保至少为 1
start = (page - 1) * per_page # 计算当前页数据切片的起始索引
end = start + per_page # 计算当前页数据切片的结束索引
page_items = items[start:end] # 截取当前页应展示的数据列表
return { # 返回分页结果字典，便于页面模板或接口统一使用
"items": page_items, # 当前页的数据内容
"page": page, # 当前页码
"per_page": per_page, # 每页展示数量
"total": total, # 数据总数
"total_pages": total_pages, # 总页数
"has_prev": page > 1, # 是否存在上一页，用于控制分页按钮状态
"has_next": page < total_pages # 是否存在下一页，用于控制分页按钮状态
} # 分页结构结束
articles = [f"文章{i}" for i in range(1, 21)] # 构造 20 条模拟文章数据，便于测试分页逻辑
result = paginate(articles, page=2, per_page=6) # 获取第 2 页数据，每页显示 6 条
print(result) # 输出分页结果，检查页码、总页数和当前页内容是否正确
标签关联统计模型
from collections import Counter # 导入计数器工具，用于统计标签出现频率
articles = [ # 构造文章与标签的模拟数据，用于展示标签统计逻辑
{"title": "Flask开发", "tags": ["Python", "Flask", "Web"]}, # 第一篇文章的标签集合
{"title": "Django实战", "tags": ["Python", "Django", "Web"]}, # 第二篇文章的标签集合
{"title": "MySQL优化", "tags": ["MySQL", "Database"]}, # 第三篇文章的标签集合
{"title": "博客系统设计", "tags": ["Python", "Flask", "MySQL"]} # 第四篇文章的标签集合
] # 模拟数据构造结束
def count_tags(article_list): # 定义标签统计函数，用于生成标签云或热门标签列表
tag_counter = Counter() # 创建空计数器对象，用于累积各标签出现次数
for article in article_list: # 遍历每一篇文章
tag_counter.update(article["tags"]) # 将当前文章的标签列表更新到计数器中
return tag_counter # 返回统计结果，便于排序和展示
tag_result = count_tags(articles) # 调用统计函数，得到标签频率数据
print(tag_result) # 输出原始统计结构，便于查看每个标签出现次数
print(tag_result.most_common(3)) # 输出出现频率最高的前三个标签，用于首页热门标签展示
文章搜索匹配模型
def search_articles(article_list, keyword): # 定义文章搜索函数，参数为文章列表和用户输入关键词
keyword = keyword.strip().lower() # 去除关键词首尾空白并统一转为小写，提升匹配稳定性
if not keyword: # 判断关键词是否为空，避免无意义搜索
return [] # 若为空，则直接返回空结果列表
results = [] # 创建搜索结果列表，用于保存匹配到的文章
for article in article_list: # 遍历所有文章数据
title = article["title"].lower() # 获取文章标题并转为小写，用于不区分大小写匹配
content = article["content"].lower() # 获取文章内容并转为小写，提高搜索兼容性
if keyword in title or keyword in content: # 判断关键词是否出现在标题或内容中
results.append(article) # 若匹配成功，则将文章加入结果列表
return results # 返回所有匹配到的文章结果
search_data = [ # 构造搜索测试数据，模拟站内文章内容
{"title": "Flask 博客开发实践", "content": "介绍 Python Web 项目中的路由、模板和数据库设计"}, # 第一篇测试文章
{"title": "前端页面布局技巧", "content": "讲解响应式页面、栅格系统和移动端适配"}, # 第二篇测试文章
{"title": "MySQL 索引优化", "content": "讨论数据库查询性能与索引使用策略"} # 第三篇测试文章
] # 搜索测试数据结束
print(search_articles(search_data, "python")) # 搜索与 Python 相关的文章，验证内容匹配效果
print(search_articles(search_data, "布局")) # 搜索与页面布局相关的文章，验证标题匹配效果
热门文章排序模型
from datetime import datetime # 导入日期时间模块，用于处理发布时间
def score_article(article): # 定义文章评分函数，用于综合阅读量、评论数与发布时间计算热度
views_score = article["views"] * 0.6 # 按权重计算阅读量得分，阅读量在热度中占较高比例
comments_score = article["comments"] * 3 # 按权重计算评论数得分，互动越高说明文章越受关注
days = (datetime.now() - article["created_at"]).days + 1 # 计算文章发布至今的天数，避免除零并体现时效性
freshness_score = 100 / days # 根据时间衰减计算新鲜度得分，越新的文章得分越高
return views_score + comments_score + freshness_score # 返回综合得分，用于排序比较
articles_for_rank = [ # 构造热门文章排序测试数据
{"title": "Flask 路由设计", "views": 300, "comments": 12, "created_at": datetime(2024, 1, 10)}, # 文章一，阅读量较高且发布时间较早
{"title": "博客系统部署", "views": 180, "comments": 20, "created_at": datetime(2024, 6, 1)}, # 文章二，评论较多且发布时间较新
{"title": "Markdown 编辑器集成", "views": 260, "comments": 8, "created_at": datetime(2024, 7, 15)} # 文章三，数据中等但时效性更强
] # 排序测试数据结束
ranked_articles = sorted(articles_for_rank, key=score_article, reverse=True) # 按综合热度得分从高到低排序文章列表
print(ranked_articles) # 输出排序后的文章结果，用于首页热门推荐区域展示

更多详细内容请访问

http://Web开发基于Python的个人博客系统设计与实现：涵盖完整程序、数据库及GUI设计的项目实例基于Python的个人博客系统设计与实现的详细项目实例（含完整的程序，数据库和GUI设计，代码详解）_GARCH模型时间序列预测MATLAB资源-CSDN下载 https://download.csdn.net/download/xiaoxingkongyuxi/90269318

 https://download.csdn.net/download/xiaoxingkongyuxi/90269318

http:// https://download.csdn.net/download/xiaoxingkongyuxi/90269318