后端生成excel表格需要调用平台拿到数据,调用平台的时间为半小时,调用完成后返回给前端,此时前端异步处理拿到数据后容易白屏,如何解决,如何用代码实现

时间: 2023-12-08 19:06:31 浏览: 20
可以使用异步请求的方式,在后端调用平台拿到数据的同时,前端可以先展示一个 loading 界面,等到数据返回后再将数据展示给用户。 具体的实现方法可以是: 1. 前端:在发起请求时,展示一个 loading 界面,可以使用第三方库如 antd 的 Spin 组件来实现。 2. 后端:在调用平台拿到数据之后,将数据以 JSON 格式返回给前端,可以使用 Flask 框架的 jsonify 方法来实现。 3. 前端:在接收到数据后,将数据渲染到表格中,可以使用第三方库如 react-table 或 antd 的 Table 组件来实现。 下面是一个简单的代码示例: ``` // 前端代码 import { Spin, Table } from 'antd'; import axios from 'axios'; const MyTable = () => { const [loading, setLoading] = useState(false); const [data, setData] = useState([]); const fetchData = async () => { setLoading(true); const res = await axios.get('/api/getData'); setData(res.data); setLoading(false); }; useEffect(() => { fetchData(); }, []); if (loading) { return <Spin />; } return ( <Table dataSource={data} columns={columns} /> ); }; // 后端代码 from flask import Flask, jsonify app = Flask(__name__) @app.route('/api/getData') def get_data(): # 调用平台获取数据 data = call_platform() return jsonify(data) if __name__ == '__main__': app.run() ```

相关推荐

最新推荐

recommend-type

C# 委托的三种调用示例(同步调用 异步调用 异步回调)

本文将主要通过同步调用、异步调用、异步回调三个示例来讲解在用委托执行同一个加法类的时候的的区别和利弊
recommend-type

深入理解spring boot异步调用方式@Async

Spring为任务调度与异步方法执行提供了注解支持。通过在方法上设置@Async注解,可使得方法被异步调用。下面这篇文章主要给大家介绍了关于spring boot异步调用方式@Async的相关资料,需要的朋友可以参考下。
recommend-type

SpringBoot异步调用方法并接收返回值

主要为大家详细介绍了SpringBoot异步调用方法并接收返回值,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

Spring @async方法如何添加注解实现异步调用

主要介绍了Spring @async方法如何添加注解实现异步调用,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
recommend-type

SpringBoot实现定时任务和异步调用

主要为大家详细介绍了SpringBoot实现定时任务和异步调用,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

解释minorization-maximization (MM) algorithm,并给出matlab代码编写的例子

Minorization-maximization (MM) algorithm是一种常用的优化算法,用于求解非凸问题或含有约束的优化问题。该算法的基本思想是通过构造一个凸下界函数来逼近原问题,然后通过求解凸下界函数的最优解来逼近原问题的最优解。具体步骤如下: 1. 初始化参数 $\theta_0$,设 $k=0$; 2. 构造一个凸下界函数 $Q(\theta|\theta_k)$,使其满足 $Q(\theta_k|\theta_k)=f(\theta_k)$; 3. 求解 $Q(\theta|\theta_k)$ 的最优值 $\theta_{k+1}=\arg\min_\theta Q(
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。