股票代码安全传输方法与Python实现

本文详解了如何在股票预测网页中安全、可靠地将用户输入的股票代码（如AAPL）从前端HTML表单经JavaScript拦截与AJAX发送，无缝传递至Python后端（以Flask为例），支撑机器学习模型实时调用；内容涵盖语义化表单构建、防刷新提交控制、JSON数据交互、前后端输入校验与错误处理等关键实践，全程无需复杂框架，仅用原生HTML/JS/Python即可搭建健壮、可调试、生产就绪的数据通道——让您的智能选股功能真正从静态页面跃升为响应迅速、体验流畅的动态Web应用。

本文介绍如何通过 HTML 表单与 JavaScript 事件处理，将用户输入的股票代码（如 AAPL）可靠提交至 Python 后端，供机器学习模型使用；涵盖表单封装、前端防刷新提交、基础 AJAX 调用及前后端协同要点。

要让您的股票预测网页真正“跑起来”，关键在于建立 HTML 前端与 Python 后端之间的数据通道。您当前的页面缺少两个核心要素：语义化的表单结构和可控的数据提交逻辑。下面我们将以渐进、可运行的方式完成集成。

✅ 第一步：用

包裹输入与按钮（语义化与基础兼容）

HTML 表单不仅是样式容器，更是浏览器默认提交机制的载体。请将您的 <textarea> 和 放入 标签中，并指定唯一 ID（如 prediction-form），便于后续 JavaScript 控制：

<form id="prediction-form">
  &lt;textarea placeholder=&quot;Enter ticker here...&quot; id=&quot;text&quot;&gt;&lt;/textarea&gt;
  <button id="submit" type="submit">Go</button>
</form>

⚠️ 注意：

在表单内会触发表单默认提交（整页刷新 + GET/POST 请求），这通常不是您想要的——尤其当您需要异步调用 Python 模型时。

✅ 第二步：用 JavaScript 拦截提交，获取并发送股票代码

在 底部或单独 JS 文件中添加以下脚本（确保 DOM 加载完成后再执行）：

<script>
document.getElementById('prediction-form').addEventListener('submit', function(event) {
  event.preventDefault(); // 阻止页面刷新！这是最关键的一步

  const ticker = document.getElementById('text').value.trim();
  if (!ticker) {
    alert('Please enter a valid stock ticker (e.g., AAPL)');
    return;
  }

  // 使用 Fetch API 发送 POST 请求到您的 Python 后端
  fetch('/predict', {
    method: 'POST',
    headers: {
      'Content-Type': 'application/json'
    },
    body: JSON.stringify({ ticker: ticker })
  })
  .then(response => response.json())
  .then(data => {
    console.log('Prediction result:', data);
    // ✅ 此处可将结果（如预测价格）插入页面，例如：
    // document.body.insertAdjacentHTML('beforeend', `<p>Result: ${data.prediction}</p>`);
  })
  .catch(error => {
    console.error('Error submitting ticker:', error);
    alert('Failed to connect to prediction service.');
  });
});
</script>

✅ 第三步：Python 后端需提供对应接口（Flask 示例）

您的 Python 服务（如基于 Flask）需暴露 /predict 接口接收该请求：

from flask import Flask, request, jsonify

app = Flask(__name__)

@app.route('/predict', methods=['POST'])
def predict_stock():
    try:
        data = request.get_json()
        ticker = data.get('ticker', '').strip().upper()

        if not ticker or not ticker.isalnum():
            return jsonify({'error': 'Invalid ticker'}), 400

        # ✅ 此处调用您的机器学习模型（如 load_model() → predict(ticker)）
        # prediction = your_ml_model.predict(ticker)
        # return jsonify({'ticker': ticker, 'prediction': float(prediction)})

        return jsonify({'ticker': ticker, 'prediction': 182.45})  # 示例响应
    except Exception as e:
        return jsonify({'error': str(e)}), 500

if __name__ == '__main__':
    app.run(debug=True)

? 关键点总结：

• 前端用 event.preventDefault() 禁用默认跳转，实现无刷新交互；
• 使用 fetch() 发送结构化 JSON 数据，后端用 request.get_json() 解析；
• 输入需校验（空值、非法字符），避免模型异常；
• 错误需双向捕获（前端 catch + 后端 try/except），提升健壮性。

现在，当用户输入 AAPL 并点击 Go，JavaScript 将提取值、发送至 /predict，Python 接收后调用模型并返回结果——整个流程干净、可调试、符合现代 Web 实践。无需框架，纯原生 HTML/JS/Python 即可起步。

以上就是本文的全部内容了，是否有顺利帮助你解决问题？若是能给你带来学习上的帮助，请大家多多支持golang学习网！更多关于文章的相关知识，也可关注golang学习网公众号。

您即将跳转至第三方网站，请注意保护好个人信息和财产安全！

继续访问