Streamlit,一个神奇的 Python 库,多页面,数据库、文件操作

streamlit 这几年在数据科学圈子里火得很快。不用学前端，不用折腾路由，纯 Python 就能把数据分析脚本变成像模像样的 Web 应用。但真要拿它做点正事 —— 比如搭一个多页面的数据看板，接上数据库，处理用户上传的文件 —— 光看官方文档的入门示例是不够的。

这篇文章是我在实际项目中反复用到的模式总结。不讲花活，只写真正用得上的东西：多页面怎么拆、数据库怎么连、文件怎么读写。每个章节都配了可运行的代码，拿过去改改就能用。

一、多页面应用

单个脚本塞下所有逻辑，调试时翻半天找不着北 —— 这是每个 Streamlit 新手都会踩的坑。好在框架本身提供了两种拆分页面的方式，按需选用就行。

多页面不是什么新概念，但它确实是组织复杂应用最直接的手段：把不同的功能模块分开，用户导航清晰，你自己维护起来也省心。

1.1 使用Session State实现多页面交互

这是最原始也最灵活的做法 —— 页面切换逻辑完全由你自己控制，所有代码堆在一个文件里，靠 st.session_state 记住当前在哪个页面。

「思路很简单：」 拿一个变量（比如 session_state.page）记下当前选中的页面名，侧边栏放个 radio 或 selectbox 当导航用，根据变量值走到对应的渲染函数。

拆开来看就三块：

• 导航栏：用于切换页面的导航栏，可以是按钮、链接或下拉菜单等形式。

• 页面内容：不同页面的具体内容和功能模块，可以通过导航栏进行切换。

• 状态管理：保持和管理不同页面之间的状态数据，确保用户在切换页面时数据不会丢失。

以下示例实现了两个页面的切换 —— 主页和导航页，导航栏放在侧边栏，切换时只改 session_state['page'] 的值就行：

import streamlit as stHOME_PAGE_TITLE = "主页"ABOUT_PAGE_TILE = "导航"defpage_home():    st.title(HOME_PAGE_TITLE + "页面")defpage_about():    st.title(ABOUT_PAGE_TILE + "页面")defmain():# 设置初始页面为Home    session_state = st.session_stateif'page'notin session_state:        session_state['page'] = HOME_PAGE_TITLE# 导航栏    page = st.sidebar.radio('导航', [HOME_PAGE_TITLE, ABOUT_PAGE_TILE])if page == HOME_PAGE_TITLE:        page_home()elif page == ABOUT_PAGE_TILE:        page_about()if __name__ == '__main__':    main()

这段代码跑起来是这样的：首次加载时 session_state 里还没有 page 这个键，于是默认切到 "主页"；侧边栏渲染一个 radio，用户点哪个选项，page 就变成哪个值，if/elif 分支决定执行哪个页面函数。从头到尾都在一个脚本里完成，没什么黑魔法。

效果：

适合页面不多、页面之间需要频繁传参的场景 —— 函数调用传参比跨文件共享状态直观多了。

优点：

• 简单易用：不同页面之间传递和保存状态数据变得非常简单。只需使用字典来存储和访问状态数据，无需复杂的配置或额外的库。
• 跨页面数据共享：整个生命周期中保存和访问特定于会话的变量。多个页面之间共享数据，可以传递复杂的数据结构，如字典、列表等。
• 可扩展性：应用程序中添加新的页面，并在不同页面之间保持数据的一致性。易于管理和维护，可以随着需求的增长进行扩展和修改。
• 状态持久化：刷新应用程序或重新运行应用程序时保留状态数据。这对于用户来说非常方便，他们可以在应用程序的不同会话之间保持他们的工作状态。

缺点：

• 内存消耗：数据存储在应用程序的内存中，当应用程序的状态数据变得庞大时，内存消耗较大。
• 无持久化方案：数据存储在应用程序的内存中，仅在应用程序运行期间存在。应用程序停止运行或重新启动时数据将丢失。
• 难以调试：在应用程序的多个页面之间传递和共享数据，当出现问题时，追踪和调试可能会比较困难。特别是在复杂的多页面应用程序中，正确地处理和管理Session State变量可能会变得复杂。

1.2 Streamlit内置多页面方案

从 1.10 版本开始，Streamlit 把多页面做进了框架内部。你只管往 pages/ 目录扔 .py 文件，剩下的 —— 页面发现、导航生成、URL 映射 —— 框架全包了。

路由逻辑零代码，但代价是灵活性受限。后面会详细讲。

my_app/├── 首页.py              # 入口文件（通常作为首页）"streamlit run" 命令来运行的文件└── pages/    ├── 01_页面A.py    ├── 02_页面B.py    ├── 03_页面C.py

每个页面对应一个独立的 Python 脚本，页面切换时前端不刷新，体验比传统的后端渲染流畅不少。

「首页」 —— 入口文件，用 st.page_link 给各子页面提供快捷跳转：

# 首页.pyimport streamlit as stst.set_page_config(page_title="首页", page_icon="🏠")st.title("🏠 首页")st.page_link("pages/01_页面A.py", label="→ 页面 A")st.page_link("pages/02_页面B.py", label="→ 页面 B")st.page_link("pages/03_页面C.py", label="→ 页面 C")

「页面 A」 —— 随手生成一组随机数画折线图，展示数据可视化的基本用法。

# 01_页面A.pyimport streamlit as stimport pandas as pdimport numpy as npst.set_page_config(page_title="页面A", page_icon="📊")st.title("📊 图表展示")df = pd.DataFrame(np.random.randn(20, 3), columns=["A", "B", "C"])st.line_chart(df)

「页面 B」 —— 一个输入框加一句问候，几行代码演示交互逻辑。

# 01_页面B.pyimport streamlit as stst.set_page_config(page_title="页面B", page_icon="📋")st.title("📋 输入组件")name = st.text_input("你的名字")if name:    st.success(f"你好，{name}！")

「页面 C」 —— 一个按钮触发 loading 和气球，展示 Streamlit 自带的 UI 反馈效果。

# 01_页面C.pyimport streamlit as stimport timest.set_page_config(page_title="页面C", page_icon="⚙️")st.title("⚙️ 状态演示")if st.button("点我"):with st.spinner("加载中..."):        time.sleep(1)    st.balloons()

四个文件凑在一起就是一个完整的多页面骨架了，实际用的时候把里面的假数据换成真实查询就行。

效果：

动态路由与分配机制

内置方案有两层：「静态发现」是默认行为，「动态分配」给了你更大的控制权。

1. 静态发现（文件扫描）

启动时框架扫描 pages/ 目录，按文件名规则解析出每个页面的标题和排序：

pages/├── 01_📊_数据可视化.py   →  排序: 1, 标题: "数据可视化", 图标: 📊├── 02_📋_数据表格.py     →  排序: 2, 标题: "数据表格",   图标: 📋└── 03_📝_表单.py         →  排序: 3, 标题: "表单",      图标: 📝

规则不复杂：{序号}_{图标/英文}_{标题}.py，序号管排序，剩余部分去掉下划线就是页面名。

2. 动态分配（st.navigation）

1.36 版本之后，可以用 st.navigation() 和 st.Page 在代码里显式声明页面列表。不用再依赖文件扫描，导航结构完全由你编程控制。

「最大的好处：」 可以根据条件决定显示哪些页面。比如管理员才看得到后台入口，普通用户根本不知道有这个页面存在。

# 首页.pyimport streamlit as st# 定义页面函数（或引用外部模块）defpage_dashboard():    st.title("仪表盘")    st.metric("在线用户", 128)defpage_settings():    st.title("设置")    st.toggle("深色模式")defpage_admin():    st.title("管理后台")    st.write("仅管理员可见")# ---- 动态构建导航 ----# 根据用户角色决定哪些页面可用is_admin = st.session_state.get("is_admin", False)nav_pages = [    st.Page(page_dashboard, title="仪表盘", icon="📊"),    st.Page(page_settings,   title="设置",   icon="⚙️"),]# 管理员才显示后台页面if is_admin:    nav_pages.append(st.Page(page_admin, title="管理后台", icon="🔐"))# 通过 st.navigation 注册动态路由pg = st.navigation(nav_pages, position="sidebar")pg.run()

3. 引用外部文件作为 Page

st.Page 除了接收函数，也可以直接指向文件路径或外部模块：

import streamlit as st# 方式一：引用文件路径data_page = st.Page("pages/01_📊_数据可视化.py", title="数据看板", icon="📊")# 方式二：引用模块中的函数from my_pages import analytics, reportspg = st.navigation([    data_page,    st.Page(analytics.main, title="分析", icon="📈"),    st.Page(reports.main,   title="报表", icon="📑"),])pg.run()

4. 路由分配原理

st.navigation() 内部做了四件事：

1. 「收集」：接收 st.Page 对象列表，每个对象包含目标（函数或文件路径）、标题、图标。
2. 「渲染导航」：根据 position 参数在侧边栏或顶部渲染导航组件。
3. 「匹配路由」：解析当前 URL hash，匹配到对应 Page 后执行其函数或脚本。
4. 「动态更新」：导航列表每次 rerun 都会重建，所以 st.session_state 一变化，菜单立刻跟着变。

# 一个完整的登录/注销路由示例import streamlit as stdeflogin():    st.title("登录")    user = st.text_input("用户名")if st.button("登录"):        st.session_state.logged_in = True        st.session_state.username = user        st.rerun()defhome():    st.title(f"欢迎, {st.session_state.username}")deflogout():    st.title("已退出")if st.button("重新登录"):        st.session_state.logged_in = False        st.rerun()# ---- 动态路由分配 ----ifnot st.session_state.get("logged_in"):    pg = st.navigation([st.Page(login, title="登录", icon="🔑")])else:    pg = st.navigation([        st.Page(home,   title="首页", icon="🏠"),        st.Page(logout, title="退出", icon="🚪"),    ])pg.run()

效果很直接：没登录时只有登录页，登录后变成首页和退出。页面里不需要写任何权限判断，路由层面就拦住了。

5. 静态发现 vs 动态分配对比

优点：

• 「零代码路由」：只需将 .py 文件放入 pages/ 目录即可自动注册为页面，侧边栏导航自动生成，无需手动编写路由逻辑。添加或删除页面只需操作文件，维护成本极低。

• 「按需加载，性能更好」：每个页面是独立脚本，Streamlit 仅在用户点击时加载目标页面，不会一次性加载所有页面代码。页面切换无需重新加载前端，速度极快。

• 「独立配置，互不干扰」：每个页面可以独立调用 st.set_page_config()，拥有自己的标题、icon、布局模式（wide/centered）和侧边栏状态。

• 「URL 天然隔离」：每个页面对应独立的 URL 路径（如 /首页、/pages/01_页面A），用户可以直接通过 URL 访问特定页面，也方便分享链接。

• 「降低耦合」：各页面代码位于不同文件，团队协作时可以并行开发不同页面，冲突更少。单个页面出错不会影响其他页面的渲染。

• 「文件名即文档」：通过编号前缀和文件名就能快速了解应用的页面结构和流程，无需查看代码即可理解导航层级。

缺点：

• 「跨页面通信隐式且脆弱」：页面之间没有显式的数据传递机制，完全依赖 st.session_state 共享数据。页面 A 写入的 key，页面 B 必须"魔法字符串"般精确匹配，缺乏类型检查和契约约束，重构时容易遗漏。

• 「无法直接传递参数」：内置方案不支持页面间路由参数（如 /page?id=123）。如果页面 B 需要页面 A 的某个值，只能通过 session_state 中转，无法从 URL 直接获取。

• 「不支持嵌套页面」：pages/ 目录仅支持一级，不能创建子目录实现层级导航。对于复杂应用（如"系统管理 → 用户管理 → 用户详情"），只能通过数字前缀扁平排列，导航结构不够直观。

• 「文件名影响运行时行为」：页面标题和排序由文件名决定，修改文件名意味着改变 URL 和导航栏显示。文件名既要兼顾可读性又要控制排序，中英文混用或 emoji 的使用受限于操作系统兼容性。

• 「无页面级守卫/中间件」：不能在页面加载前插入统一的鉴权、重定向或日志逻辑。如果某个页面需要登录才能访问，只能在每个页面脚本内重复编写校验代码。

• 「Session State 的"幽灵依赖"」：页面之间通过共享状态产生隐式耦合。排查问题时难以追踪哪个页面在何时修改了某个状态变量，调试跨页面 Bug 需要手动梳理数据流。

• 「冷启动慢」：虽然单页面加载快，但每个页面是独立的 Python 模块，首次加载仍有解释开销。页面数量多时，尽管不会一次加载，但用户遍历多个页面时的累计等待时间不可忽略。

二、数据库与数据源连接

数据应用离不开数据库。Streamlit 用 st.connection() 一个 API 统一了各类数据源的接入方式，自带连接缓存和 secrets 凭据注入，不用每次查询都重新建立连接。

支持数据库如下：

下面以最常用的 MySQL 为例，先建好测试表：

CREATEDATABASE pets;USE pets;CREATETABLE mytable (namevarchar(80),    pet varchar(80));INSERTINTO mytable VALUES ('Mary', 'dog'), ('John', 'cat'), ('Robert', 'bird');

上面建了一个 pets 库和 mytable 表，塞了三条数据进去。

依赖安装：

pip install sqlalchemypip install mysqlclient

2.1 st.connection

st.connection 是目前推荐的连接方式，核心思路很简单：「一次定义，全局复用」。框架会自动缓存连接对象，并且优先从 secrets 文件里取配置。

基本用法 —— 指定连接名、类型和数据库 URL，然后就可以执行参数化查询：

import streamlit as stconn = st.connection("mysql", type="sql", url="mysql://root:123456@localhost:3306/pets")df = conn.query("SELECT * FROM mytable WHERE pet != :pet", params={"pet": "bird"})st.dataframe(df)

换其他数据库也一样，改 URL scheme 就行。st.connection 底层走 SQLAlchemy，所以理论上支持所有它兼容的数据库。下面是 SQLite 和 PostgreSQL 的例子，顺便演示了如何用底层 session 执行写入操作：

import streamlit as st# SQLite（内置支持，直接用）conn = st.connection("my_db", type="sql", url="sqlite:///data.db")# PostgreSQL（需要 pip install psycopg2）conn = st.connection("pg", type="sql", url="postgresql://user:pass@localhost:5432/mydb")# 查询df = conn.query("SELECT * FROM users WHERE age > :min_age", params={"min_age": 18})st.dataframe(df)# 写入（使用底层连接）with conn.session as s:    s.execute("INSERT INTO logs (msg) VALUES (:msg)", {"msg": "hello"})    s.commit()

2.2 Secrets 管理

密码和 API Key 写死在代码里是给自己埋雷。Streamlit 的做法是把敏感信息放到 .streamlit/secrets.toml 里，运行时通过 st.secrets 字典读取。更省事的是，st.connection 会自动查找 [connections.xxx] 下的配置并注入，你连手动传参都省了。

「文件位置：」

# 项目根目录下 .streamlit/secrets.toml

# .streamlit/secrets.toml[connections.mysql]url = "mysql://root:123456@localhost:3306/pets"[api_keys]openai = "sk-xxxxxxxx"

代码里两种读取方式：手动取和自动注入。前者适合临时用一下，后者配合 st.connection 最省事。

import streamlit as st# 读取连接配置（嵌套结构）mysql_url = st.secrets["connections"]["mysql"]["url"]# 读取简单键值openai_key = st.secrets["api_keys"]["openai"]# 也可以用点号访问（st.secrets 本质是 TOML 的字典映射）mysql_url = st.secrets.connections.mysql.urlopenai_key = st.secrets.api_keys.openai# ============================================================# 方式二：st.connection() 自动从 secrets 读取# ============================================================# st.connection 会自动去 secrets.toml 里找 [connections.mysql]# 无需手动传 url，框架替你读取并注入conn = st.connection("mysql", type="sql")# 查询示例df = conn.query("SELECT * FROM mytable LIMIT 10")

两种方式各有适用场景：手动读取适合需要临时使用配置值的场合，自动注入适合标准化连接管理，代码更简洁。

2.3 自定义连接

内置的 sql 连接能搞定大多数关系型数据库，但 Redis、MongoDB 这类非关系型数据源就得自己动手了。做法不复杂：继承 BaseConnection，实现 _connect() 方法，框架就会自动帮你处理缓存和 secrets 注入。

「步骤一：」 在 secrets.toml 里配好 Redis 的连接信息。_connect() 方法里的 self._secrets 就是这个配置块的字典，直接解包传进去就行。

# .streamlit/secrets.toml[connections.redis]host = "localhost"port = 6379protocol = 2

# redis_connection.pyimport streamlit as stfrom streamlit.connections import BaseConnectionimport redisimport jsonclassRedisConnection(BaseConnection):"""Streamlit Redis 连接封装"""def_connect(self, **kwargs):return redis.Redis(**self._secrets, **kwargs)# ---- 字符串操作 ----defget(self, key: str) -> str | None:        val = self._instance.get(key)return val.decode() if val elseNonedefset(self, key: str, value: str, ex: int = None) -> bool:return self._instance.set(key, value, ex=ex)defdelete(self, *keys: str) -> int:return self._instance.delete(*keys)defexists(self, key: str) -> bool:return bool(self._instance.exists(key))defexpire(self, key: str, seconds: int) -> bool:return self._instance.expire(key, seconds)defttl(self, key: str) -> int:return self._instance.ttl(key)defkeys(self, pattern: str = "*") -> list:return [k.decode() for k in self._instance.keys(pattern)]# ---- 计数器 ----defincr(self, key: str, amount: int = 1) -> int:return self._instance.incr(key, amount)defdecr(self, key: str, amount: int = 1) -> int:return self._instance.decr(key, amount)# ---- JSON 序列化 ----defset_json(self, key: str, data: dict, ex: int = None) -> bool:return self._instance.set(key, json.dumps(data), ex=ex)defget_json(self, key: str) -> dict | None:        val = self._instance.get(key)return json.loads(val) if val elseNone# ---- 列表操作 ----deflpush(self, key: str, *values) -> int:return self._instance.lpush(key, *values)deflrange(self, key: str, start: int = 0, end: int = -1) -> list:return [v.decode() for v in self._instance.lrange(key, start, end)]defllen(self, key: str) -> int:return self._instance.llen(key)# ---- 哈希操作 ----defhset(self, name: str, key: str, value: str) -> int:return self._instance.hset(name, key, value)defhget(self, name: str, key: str) -> str | None:        val = self._instance.hget(name, key)return val.decode() if val elseNonedefhgetall(self, name: str) -> dict:return {k.decode(): v.decode() for k, v in self._instance.hgetall(name).items()}

「步骤二：」 导入自定义连接，拿来就用。下面是一个完整的 Redis 可视化管理界面示例 —— 侧边栏搜 key 和新增，主区域用表格展示所有 key 的类型、值预览、大小和 TTL，选中后可以编辑、删除、改 TTL、重命名。

调用示例：

import streamlit as stfrom redis_connection import RedisConnectionst.set_page_config(page_title="Redis 管理工具", page_icon="🔴", layout="wide")conn = st.connection("redis", type=RedisConnection, ttl=0)defvalue_preview(key, key_type):"""返回值的简短预览"""if key_type == "string":        v = conn.get(key) or""return v[:50] + "..."if len(v) > 50else velif key_type == "hash":returnf"{{...}} {conn._instance.hlen(key)} fields"elif key_type == "list":returnf"[...] {conn._instance.llen(key)} items"return"-"defkey_size(key, key_type):"""获取 key 大小"""if key_type == "string":return conn._instance.strlen(key)elif key_type == "hash":return conn._instance.hlen(key)elif key_type == "list":return conn._instance.llen(key)return0defttl_display(key):    t = conn.ttl(key)if t == -1:return"永不过期"elif t == -2:return"已过期"returnf"{t}s"# ---- 主区域 ----keys = st.session_state.get("keys", conn.keys("*"))# 构建表格数据rows = []for k in sorted(keys)[:200]:  # 限制 200 条防止性能问题    kt = conn.type(k)    rows.append({"Key": k,"类型": kt.upper(),"值预览": value_preview(k, kt),"大小": key_size(k, kt),"TTL": ttl_display(k),    })# ---- 表格 ----edited = st.data_editor(    rows,    use_container_width=True,    hide_index=True,    column_config={"Key": st.column_config.TextColumn("🔑 Key", width="medium"),"类型": st.column_config.TextColumn("📦 类型", width="small"),"值预览": st.column_config.TextColumn("💬 值预览", width="large"),"大小": st.column_config.NumberColumn("📏 大小", width="small"),"TTL": st.column_config.TextColumn("⏳ TTL", width="small"),    },    disabled=["Key", "类型", "值预览", "大小", "TTL"],    key="data_editor",)

几个要点：st.data_editor 做表格浏览，侧边栏搜 key 加新增，操作栏集中了编辑、删除、TTL 和重命名。

三、文件操作

Streamlit 内置了文件上传、下载和常见媒体格式的展示组件，覆盖了日常数据应用里的大多数文件处理场景。

3.1 st.file_uploader：文件上传

st.file_uploader 是 Streamlit 最常用的文件输入组件，支持拖拽或点击上传，可限制文件类型和数量。上传后返回 UploadedFile 对象，可直接读取为 bytes 或传递给 Pandas、PIL 等库处理。

import streamlit as stimport pandas as pd# 单文件上传uploaded = st.file_uploader("选择文件", type=["csv", "xlsx", "png", "jpg"])if uploaded isnotNone:# 读取为 DataFrameif uploaded.name.endswith(".csv"):        df = pd.read_csv(uploaded)        st.dataframe(df)elif uploaded.name.endswith((".xlsx", ".xls")):        df = pd.read_excel(uploaded)        st.dataframe(df)else:# 图片直接展示        st.image(uploaded)# 多文件上传files = st.file_uploader("批量上传", type=["csv"], accept_multiple_files=True)for f in files or []:    df = pd.read_csv(f)    st.write(f"**{f.name}** — {len(df)} 行")

效果：

3.2 st.download_button：文件下载

配合 st.download_button，可以将 DataFrame、图片、文本等任意二进制数据提供给用户下载。

需要excel 操作库openpyxl

pip install openpyxl

import streamlit as stimport pandas as pdfrom io import BytesIO# 下载 CSVdf = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})csv = df.to_csv(index=False).encode("utf-8")st.download_button("📥 下载 CSV", csv, "data.csv", "text/csv")# 下载 Excelbuf = BytesIO()with pd.ExcelWriter(buf, engine="openpyxl") as w:    df.to_excel(w, index=False)st.download_button("📥 下载 Excel", buf.getvalue(),"data.xlsx","application/vnd.openxmlformats-officedocument.spreadsheetml.sheet")# 下载图片with open("image.png", "rb") as f:    st.download_button("📥 下载图片", f, "image.png", "image/png")

效果：

3.3 st.image：图片展示

st.image 支持从文件路径、PIL Image 对象、bytes 或 URL 加载图片，可调节尺寸和添加标题。

import streamlit as stfrom PIL import Image# 方式一：本地文件image = Image.open("sunrise.jpg")st.image(image, caption="山间日出", width=400)# 方式二：URLst.image("https://streamlit.io/images/brand/streamlit-logo.png", width=200)# 方式三：上传后直接展示（已在上传章节演示）

3.4 st.audio：音频播放

支持播放本地音频文件和通过代码生成的音频数据。传入 bytes 对象时需指定 format，传入 NumPy 数组时需指定 sample_rate。

import streamlit as stimport numpy as np# 播放音频文件with open("music.mp3", "rb") as f:    st.audio(f.read(), format="audio/mp3")# 播放生成的音频（440Hz 正弦波，持续 2 秒）sample_rate = 44100t = np.linspace(0, 2, 2 * sample_rate, False)wave = np.sin(440 * t * 2 * np.pi)st.audio(wave, sample_rate=sample_rate)

3.5 st.video：视频播放

支持本地视频文件和在线视频 URL（如 YouTube）。本地视频需以 bytes 传入。

import streamlit as st# 播放本地视频with open("demo.mp4", "rb") as f:    st.video(f.read())# 播放在线视频 URLst.video("https://www.youtube.com/watch?v=your_video_id")

3.6 PDF 文档展示

Streamlit 没有内置 PDF 查看器，但可以通过以下方式实现：

import streamlit as st# 方式一：提供下载链接with open("report.pdf", "rb") as f:    st.download_button("📄 下载 PDF", f, "report.pdf", "application/pdf")# 方式二：用 iframe 嵌入在线 PDFst.markdown('<iframe src="https://example.com/report.pdf" ''width="100%" height="600"></iframe>',    unsafe_allow_html=True)# 方式三：用 PyPDF2 读取文本内容展示from PyPDF2 import PdfReaderuploaded = st.file_uploader("上传 PDF", type="pdf")if uploaded:    reader = PdfReader(uploaded)for i, page in enumerate(reader.pages):        st.text(f"第 {i+1} 页:\n{page.extract_text()[:500]}")

3.7 Excel / CSV 读写

与 Pandas 结合，Streamlit 可以轻松实现表格数据的导入导出与分析。

import streamlit as stimport pandas as pdfrom io import BytesIO# ---- 导入 ----uploaded = st.file_uploader("上传表格", type=["csv", "xlsx", "xls"])if uploaded:    df = pd.read_csv(uploaded) if uploaded.name.endswith("csv") else pd.read_excel(uploaded)    st.dataframe(df)# ---- 导出 ----@st.cache_datadefto_excel(df):    buf = BytesIO()with pd.ExcelWriter(buf, engine="openpyxl") as w:        df.to_excel(w, index=False, sheet_name="Sheet1")return buf.getvalue()df_sample = pd.DataFrame({"Name": ["Alice", "Bob"], "Score": [90, 85]})st.download_button("📥 导出 Excel", to_excel(df_sample), "output.xlsx")

3.8 远程 URL 文件获取

结合 requests 或 urllib，可以从远程 URL 下载文件并直接在 Streamlit 中展示或处理。

import streamlit as stimport requestsfrom PIL import Imageurl = st.text_input("输入图片 URL")if url:try:        resp = requests.get(url, stream=True)        resp.raise_for_status()# 根据 Content-Type 判断处理方式        content_type = resp.headers.get("Content-Type", "")if"image"in content_type:            st.image(resp.content)elif"csv"in content_type:import pandas as pdfrom io import StringIO            df = pd.read_csv(StringIO(resp.text))            st.dataframe(df)else:            st.write(f"文件大小: {len(resp.content) / 1024:.1f} KB")except Exception as e:        st.error(f"获取失败: {e}")

3.9 文件操作速查表

结语

这篇文章把 Streamlit 最常用的三块内容串了一遍：多页面怎么组织、数据库怎么连、文件怎么处理。多页面部分对比了手动路由和内置方案各自适合什么场景，数据库部分从 st.connection 讲到 secrets 管理再到自定义连接类，文件部分涵盖了图片、音视频、PDF、表格和远程 URL 的全流程。

这些东西掌握了，用纯 Python 搭一个像样的数据应用基本没啥问题了。剩下的就是动手写，踩几个坑就熟了。