简介这是一套面向高考考生、家长及教育信息化开发者的志愿填报参考系统源码基于Python与Django构建Web服务可按高校城市、高考排名、高校层次、专业等条件检索匹配的院校与专业信息帮助使用者快速定位志愿填报方向。资源包共132个文件约3.38MB涵盖14个py业务脚本、15个js与12个css前端资源、5个html模板、3个sql数据库文件以及xlsx与xlsm等Excel数据源另含图片、字体、Dockerfile与readme说明结构完整便于二次开发。项目包含近年高考录取数据自动化录入模块通过Python读取Excel写入数据库并配套Docker部署方案可快速启动服务。目前已有571人学习下载适合具备Python与Django基础、希望研究数据入库与Web检索实现的开发者参考借鉴。1. 高考志愿填报参考系统一份能跑起来的 Python SQL 全栈练手项目每年六月总有亲戚朋友来问「能不能帮忙看看志愿怎么填」。市面上的填报 App 要么收费要么数据不透明想自己搭一个又不知道从哪下手。这份基于 Python 实现的高考志愿填报参考系统源码配了一套 SQL 数据库文件正好卡在这个需求点上——它不是玩具级的增删改查而是把院校信息、专业分数线、位次换算、冲稳保推荐这几条主线串成了一个能实际运行的 Web 系统。技术栈是 Python 后端加关系型数据库前端走模板渲染没有花哨的前后端分离对刚学完 Python 基础语法、想找一个完整项目练手的人来说门槛刚好。适合三类人一是计算机专业做课程设计的学生二是想转行做后端开发、需要一个真实业务场景练手的初学者三是中学里负责信息化建设的老师想自己维护一套校内参考工具。源码包和数据库文件都在压缩包里解压后按下面的步骤走半小时内能看到登录页。2. 环境搭建与数据库初始化从 python 安装到 sql 新建数据库2.1 运行环境选型与依赖清单这套源码对 Python 版本没有苛刻要求3.8 到 3.11 都能跑我实测用的是 3.10。数据库方面源码里附的是.sql备份文件MySQL 5.7 和 8.0 都兼容如果你机器上装的是 SQL Server 2012 的备份想直接还原到 2008那大概率会翻车——版本向下兼容这事在数据库领域基本不存在所以老老实实用 MySQL 或者 SQLite 最省事。依赖库不多核心就四个Flask 做 Web 框架SQLAlchemy 做 ORM 映射PyMySQL 做驱动Werkzeug 处理密码哈希。如果你习惯用 vscode 配置 python 环境直接在项目根目录建虚拟环境就行。# 创建虚拟环境避免污染全局包 python -m venv venv # Windows 激活 venv\Scripts\activate # macOS / Linux 激活 source venv/bin/activate # 安装依赖建议逐条装方便定位是哪个包报错 pip install flask pip install sqlalchemy pip install pymysql pip install werkzeug这里有个细节不要图省事直接pip install -r requirements.txt因为不同版本的 Flask 和 SQLAlchemy 之间有兼容矩阵源码作者写依赖文件时的版本号未必和你本地 Python 版本匹配。逐条装的好处是一旦某个包编译失败你能立刻知道是哪个环节的问题。装完后用pip list确认一下版本Flask 建议 2.0 以上SQLAlchemy 建议 1.4 以上。2.2 数据库建库与导入 SQL 文件数据库这块是整个项目的地基。源码包里一般会有一个database文件夹里面放着.sql文件。常见做法是先用命令行或者图形化工具新建一个空数据库再把 SQL 文件导入进去。注意字符集一定要选utf8mb4否则院校名称里的生僻字会变成问号。-- 新建数据库字符集用 utf8mb4 支持完整 Unicode CREATE DATABASE gaokao_reference DEFAULT CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci; -- 切换到该数据库 USE gaokao_reference; -- 导入前先确认 SQL 文件编码是 UTF-8用 source 命令导入 -- 在 MySQL 命令行中执行 -- source /path/to/your/database.sql;导入完成后用SHOW TABLES;看一眼表结构。通常会有university院校表、major专业表、score_line分数线表、user用户表这几张核心表。如果导入时报「sql数据库显示正在装载」这类提示多半是文件太大或者索引重建中等几分钟再查。要是导入到一半报外键约束错误说明 SQL 文件里的表创建顺序有问题先禁用外键检查SET FOREIGN_KEY_CHECKS0;再导入导完再打开。2.3 配置文件修改与首次启动源码里一般会有一个config.py或者settings.py里面写着数据库连接串。你需要把用户名、密码、数据库名改成自己本地的。# config.py 关键配置项 import os class Config: # 数据库连接串格式mysqlpymysql://用户名:密码地址:端口/库名 SQLALCHEMY_DATABASE_URI mysqlpymysql://root:yourpasswordlocalhost:3306/gaokao_reference # 关闭对象修改追踪省内存 SQLALCHEMY_TRACK_MODIFICATIONS False # 会话密钥用于登录状态加密随便改成一串随机字符 SECRET_KEY change-this-to-a-random-string改完配置后在项目根目录执行python app.py或者flask run。如果看到Running on http://127.0.0.1:5000说明服务起来了。浏览器打开这个地址应该能看到登录页或者首页。如果报ModuleNotFoundError检查虚拟环境是否激活如果报数据库连接拒绝检查 MySQL 服务是否启动、端口是否被占用。第一次跑建议把调试模式打开方便看错误堆栈。3. 核心功能模块拆解分数线查询、位次换算与冲稳保推荐逻辑3.1 院校与专业数据模型设计这套系统的数据模型不算复杂但设计上有几个值得注意的点。院校表和专业表是一对多关系分数线和专业表也是一对多因为同一个专业在不同年份的录取分数不同。用户表单独存和业务数据解耦。理解这个结构后面改代码或者加功能才不会迷路。表名核心字段说明universityid, name, province, level, type院校基本信息level 区分 985/211/双一流majorid, university_id, name, category专业信息外键关联院校score_lineid, major_id, year, min_score, min_rank历年分数线位次是关键字段userid, username, password_hash, role用户表role 区分普通用户和管理员位次字段min_rank是这套系统的灵魂。高考志愿填报的核心逻辑不是看分数而是看位次因为每年试卷难度不同分数会浮动但位次相对稳定。源码里如果做了位次换算功能那说明作者是懂行的。你拿到源码后重点看score_line表的查询逻辑这是整个推荐算法的数据基础。3.2 分数线查询与位次换算的实现查询功能看起来简单但要做到「输入分数和省份返回可报院校列表」中间涉及好几层过滤。常见做法是先用省份筛选院校再用分数区间筛选专业最后按位次排序。下面这段代码是典型的查询逻辑我按源码风格还原了一下。# 查询某省份、某分数段内的可报院校 def query_schools(province, score, year): # 先根据省份和年份拿到该省的控制线用于计算线差 control_line get_control_line(province, year) # 线差 考生分数 - 批次控制线 score_diff score - control_line # 查询近三年录取线差在考生线差上下浮动 20 分以内的专业 results db.session.query( University.name, Major.name, ScoreLine.min_score, ScoreLine.min_rank ).join(Major, University.id Major.university_id)\ .join(ScoreLine, Major.id ScoreLine.major_id)\ .filter( University.province province, ScoreLine.year.in_([year-1, year-2, year-3]), ScoreLine.min_score.between(score - 20, score 20) ).order_by(ScoreLine.min_rank.asc()).all() return results这段代码的逻辑说明先算线差再用线差去匹配历史数据而不是直接用分数匹配。参数score是考生分数province是考生所在省份year是当前年份。between(score - 20, score 20)这个区间可以调整冲的院校往上加 10 到 15 分稳的院校在正负 5 分以内保的院校往下减 10 到 20 分。如果你想让推荐更精准可以把线差换成位次差逻辑一样只是把min_score换成min_rank。3.3 冲稳保推荐策略的参数调整冲稳保是志愿填报的经典策略但很多人不知道具体怎么分档。源码里如果实现了这个功能通常会有一个recommend函数按位次百分比来划分。我一般会这样设冲的院校位次在你当前位次的 80% 到 100% 之间稳的在 100% 到 120% 之间保的在 120% 到 150% 之间。这个比例不是固定的要根据省份竞争激烈程度微调。# 冲稳保分档推荐 def recommend_by_rank(user_rank, all_schools): chong [] # 冲位次要求比考生稍高 wen [] # 稳位次要求与考生匹配 bao [] # 保位次要求比考生低 for school in all_schools: ratio school.min_rank / user_rank if 0.8 ratio 1.0: chong.append(school) elif 1.0 ratio 1.2: wen.append(school) elif 1.2 ratio 1.5: bao.append(school) return {冲: chong, 稳: wen, 保: bao}参数user_rank是考生的全省位次school.min_rank是该专业去年录取的最低位次。ratio小于 1 说明学校要求比考生高属于冲大于 1 说明考生有优势属于保。实际使用时冲的志愿不要超过总志愿数的三分之一保的志愿至少留两个这是血泪经验——每年都有考生全填冲的最后滑档。4. 避坑与常见问题排查从数据库连接到页面渲染的五个翻车点4.1 数据库连接报错 1045 或 2003现象启动服务时报Access denied for user rootlocalhost或者Cant connect to MySQL server。原因通常是密码写错、MySQL 服务没启动、或者端口不是默认的 3306。解决先确认 MySQL 服务在运行Windows 在服务管理器里看macOS 用brew services listLinux 用systemctl status mysql。然后检查config.py里的密码如果密码里有特殊字符比如或#需要做 URL 编码。端口被占用的话改成 3307 再试。4.2 导入 SQL 文件时字符集乱码现象导入后院校名称显示为乱码或者查询时中文变成问号。原因SQL 文件本身是 GBK 编码而数据库是 utf8mb4两边不一致。解决用file -i database.sql查看文件编码如果是 GBK先用iconv -f GBK -t UTF-8 database.sql database_utf8.sql转码再导入。或者在导入命令前加SET NAMES utf8mb4;。这个问题在 Windows 上尤其常见因为记事本默认保存编码可能是 GBK。4.3 Flask 启动后页面空白或 500 错误现象浏览器打开是空白页或者报 Internal Server Error。原因模板文件路径不对、静态资源没加载、或者数据库查询返回了 None 导致后续代码报错。解决先看终端有没有 Python 报错堆栈Flask 调试模式下会打印详细错误。如果是模板问题检查templates文件夹是否在项目根目录文件名是否和render_template里的参数一致。如果是数据库查询问题在查询后面加try...except把异常打出来常见的是表名写错或者字段不存在。4.4 位次换算结果偏差过大现象推荐的院校和实际录取情况差距很大。原因用了分数直接匹配没有换算位次或者用了太久远的数据比如只用了五年前的分数线。解决确认score_line表里有近三年的数据查询时用year.in_([year-1, year-2, year-3])限制年份。另外新高考省份的位次换算和传统文理科不一样如果源码没有做选科适配那在新高考省份用会不准需要自己改逻辑。4.5 用户登录状态丢失或密码验证失败现象登录后刷新页面就退出或者明明密码对却提示错误。原因SECRET_KEY没设置或者每次重启都变导致会话失效密码哈希算法不匹配比如注册时用了pbkdf2但验证时用了md5。解决把SECRET_KEY写死成一个固定随机串不要用os.urandom(24)每次生成。密码这块统一用werkzeug.security的generate_password_hash和check_password_hash不要自己写加密逻辑。5. 二次开发与数据更新把参考系统改成你自己的工具5.1 批量导入最新分数线数据源码自带的数据库文件通常是某一年的快照想让它持续可用得会自己更新数据。常见做法是写一个 Python 脚本从 Excel 或者 CSV 里读数据批量插入score_line表。下面这个脚本我改过好几版处理过几万条数据比较稳。import pandas as pd from sqlalchemy import create_engine # 数据库连接和 config.py 保持一致 engine create_engine(mysqlpymysql://root:yourpasswordlocalhost:3306/gaokao_reference) # 读取 Excel假设列名为院校名称、专业名称、年份、最低分、最低位次 df pd.read_excel(score_data_2024.xlsx) # 逐行插入用事务保证一致性 with engine.begin() as conn: for _, row in df.iterrows(): # 先查院校 id没有就跳过 uni conn.execute( SELECT id FROM university WHERE name %s, (row[院校名称],) ).fetchone() if not uni: continue # 查专业 id major conn.execute( SELECT id FROM major WHERE university_id %s AND name %s, (uni[0], row[专业名称]) ).fetchone() if not major: continue # 插入分数线 conn.execute( INSERT INTO score_line (major_id, year, min_score, min_rank) VALUES (%s, %s, %s, %s), (major[0], row[年份], row[最低分], row[最低位次]) )这段代码的关键点用engine.begin()开启事务要么全成功要么全回滚避免插一半失败留下脏数据。iterrows()虽然慢但几万条数据以内可以接受如果数据量超过十万条建议用to_sql批量写入。参数row[院校名称]要和 Excel 列名完全一致包括空格。插入前先查 id 是为了避免外键约束报错如果院校或专业不存在直接跳过而不是报错中断。5.2 增加「专业就业前景」字段的完整流程源码里的专业表只有名称和类别想加就业前景字段需要改三处数据库加列、模型加属性、页面加展示。这是典型的二次开发流程走一遍就熟悉了。-- 第一步数据库加列 ALTER TABLE major ADD COLUMN employment_rate DECIMAL(5,2) DEFAULT NULL COMMENT 就业率; ALTER TABLE major ADD COLUMN avg_salary INT DEFAULT NULL COMMENT 平均起薪;# 第二步模型加属性在 models.py 的 Major 类里加两行 class Major(db.Model): __tablename__ major id db.Column(db.Integer, primary_keyTrue) name db.Column(db.String(100)) # 新增字段 employment_rate db.Column(db.Numeric(5, 2)) avg_salary db.Column(db.Integer)第三步是在模板文件里加展示逻辑找到major_detail.html或者类似的模板在专业名称下面加一行{{ major.employment_rate }}。改完后重启服务如果页面报AttributeError说明模型没同步检查db.create_all()是否执行过。注意db.create_all()不会修改已有表结构加字段必须用ALTER TABLE手动改。5.3 用 SQL 视图简化复杂查询当查询涉及三张以上表关联时代码会变得很难维护。我一般会建一个视图把常用的关联查询固化下来Python 里直接查视图代码清爽很多。-- 创建视图把院校、专业、分数线三表关联固化 CREATE VIEW v_school_major_score AS SELECT u.name AS university_name, u.province, u.level, m.name AS major_name, m.category, s.year, s.min_score, s.min_rank FROM university u JOIN major m ON u.id m.university_id JOIN score_line s ON m.id s.major_id;建完视图后Python 里直接SELECT * FROM v_school_major_score WHERE province 河南 AND year 2023就行不用再写三表 JOIN。视图的缺点是数据实时性依赖基表基表更新视图自动更新这个没问题。但如果视图嵌套太多层查询性能会下降建议视图只做一层关联复杂逻辑还是放 Python 里。5.4 数据备份与迁移的稳妥做法系统跑起来后数据就是资产备份这事不能偷懒。我习惯用mysqldump每天定时导出一份命令很简单但参数要写对。# 导出整个数据库包含建表语句和数据 mysqldump -u root -p gaokao_reference backup_$(date %Y%m%d).sql # 只导出数据不导出建表语句适合表结构没变的情况 mysqldump -u root -p --no-create-info gaokao_reference data_only.sql # 恢复时先建空库再导入 mysql -u root -p gaokao_reference backup_20240601.sql参数--no-create-info在表结构没变、只想更新数据时很有用导入时不会报「表已存在」的错误。$(date %Y%m%d)是 shell 的日期替换生成的文件名带日期方便回溯。恢复前一定要先建空库否则导入会失败。如果数据量很大加--single-transaction参数避免锁表。从那以后我每次拿到新的源码包都先跑一遍数据库导入和启动流程确认能跑通再动代码。这套高考志愿填报系统不算复杂但麻雀虽小五脏俱全把环境搭建、数据导入、查询逻辑、推荐算法这几块吃透再去看其他 Python Web 项目会轻松很多。希望帮到你。本文还有配套的精品资源点击获取