黄泓毅1. 项目概述与技术选型
这个基于Flask框架的二手车数据分析与推荐系统，是我在指导计算机专业毕业设计时开发的一个典型项目案例。系统通过爬取汽车之家平台的真实二手车数据，结合协同过滤算法和可视化技术，构建了一个完整的二手车分析平台。从技术架构来看，项目采用了前后端分离的设计模式：
前端部分使用HTML+CSS+JavaScript基础技术栈，配合ECharts实现数据可视化展示。后端采用轻量级的Flask框架，数据库选用MySQL 5.7版本存储结构化数据。数据采集层使用Requests库实现网页爬虫，算法层实现了基于用户的协同过滤推荐模型。
技术选型时特别考虑了教学项目的特性：Flask比Django更轻量适合快速开发；Requests比Scrapy更易上手；协同过滤算法相比深度学习模型更容易理解和实现。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 系统架构设计
2.1 整体架构设计
系统采用典型的三层架构：
- 数据层：MySQL数据库存储爬取的二手车数据，包括车辆基本信息、用户行为数据等
- 业务逻辑层：Flask实现RESTful API接口，处理推荐算法和数据分析
- 表现层：前端页面展示可视化图表和交互界面
2.2 数据库设计
主要数据表结构设计如下：
| 表名 | 字段 | 说明 |
|---|---|---|
| car_info | id, brand, model, price, mileage, year, location | 车辆基本信息 |
| user | id, username, password, register_time | 用户账户信息 |
| user_behavior | id, user_id, car_id, behavior_type, time | 用户行为记录 |
数据库设计中特别考虑了查询效率问题，对常用查询字段如brand、price_range等建立了索引。
3. 核心功能实现
3.1 数据爬取模块
汽车之家网页数据爬取采用Requests+BeautifulSoup技术组合：
python复制def crawl_car_data():
headers = {'User-Agent': 'Mozilla/5.