今天要進入 TDD 流程的第二階段：「綠燈與重構」。

第一階段請參考：
Day24. Flask 與資料庫整合 Ep3：用 TDD（測試驅動開發）完成AI營養顧問的資料庫功能 Part-1

一、最小實作（models.py）

1. 匯入必要模組

# 為了支援 timezone-aware 時間與 JSON 序列化，需加入 `datetime.timezone` 與 `json` 模組
from datetime import datetime, timezone
import json

2. 改為 timezone-aware created_at

# 為了避免時間差的問題，用 datetime.now(timezone.utc) 明確指定要求獲取的是 UTC 時區的當前時間
created_at = db.Column(db.DateTime, default=lambda: datetime.now(timezone.utc))

3. 新增 nutrients 屬性（Getter / Setter）

此屬性是 nutrients_json 欄位的包裝層，用以自動處理 JSON & Python 結構的轉換。
設計重點：

• 若給定字串為合法 JSON，則直接儲存；
• 若給定為 Python 結構（list/dict），自動轉換為 JSON；
• 若轉換失敗，則設為 None 以避免破壞資料庫結構。

@property
def nutrients(self):
    if not self.nutrients_json:
        return []
    try:
        return json.loads(self.nutrients_json)
    except Exception:
        return []

@nutrients.setter
def nutrients(self, value):
    if isinstance(value, str):
        try:
            json.loads(value)
            self.nutrients_json = value
            return
        except Exception:
            self.nutrients_json = None
            return

    try:
        self.nutrients_json = json.dumps(value, ensure_ascii=False)
    except Exception:
        self.nutrients_json = None

二、修正相容性與警告

在測試與實際專案程式中，修正了 SQLAlchemy 的舊 API，這是 SQLAlchemy 2.0 的用法，可避免 LegacyAPIWarning，目的是確保在未來升級時維持兼容性與穩定性。

# 舊：
# rec = AnalysisRecord.query.get(rid)

# 新：
rec = db.session.get(AnalysisRecord, rid)

三、測試驗證結果

pytest -q

測試結果：

四、過程中遇到的幾個問題，以及如何處理：

五、實作這次的專案資料庫

1. 技術面

• ORM (Object-Relational Mapping)：
  採用 Flask-SQLAlchemy。
• 資料庫引擎：
  開發與正式環境均使用 SQLite。
  預設資料庫檔案位於 instance/ainutri.db。

2. 資料庫設定與初始化

資料庫設定集中於 app.py 的 create_app：

• 設定檔：

  • 正式環境：'sqlite:///ainutri.db'
  • 測試環境：'sqlite:///:memory:'（記憶體資料庫，確保測試獨立）

• 初始化：

  1. 在 models.py 中建立全域資料庫：

     db = SQLAlchemy()
     

  2. 在 create_app() 中呼叫 db.init_app(app)
  3. 應用啟動時執行 db.create_all() 自動建立資料表。

3. 資料模型說明 (AnalysisRecord)

nutrients 屬性：封裝

• Getter： 自動將 nutrients_json 反序列化成 Python 結構。
• Setter： 自動將 list/dict 轉換成 JSON 並寫回資料庫。

4. 使用者驅動的儲存機制：可參照 Day26 的專案展示說明

專案的資料儲存由使用者自行決定是否要寫入資料庫。

1. 分析與暫存：
   上傳圖片後，AI 分析結果會被序列化並暫存在伺服器 session 中。

2. 使用者確認：
   使用者在結果頁面檢視分析內容後，再按下「儲存這筆資料」按鈕進行確認。

3. 非同步儲存：
   前端以 AJAX 發送 POST 請求至 /save_record API，
   後端從 session 讀取資料，建立 AnalysisRecord 物件：

   db.session.add(record)
   
   # 將紀錄正式寫入 SQLite。
   db.session.commit()
   

六、未來的進階目標

Ref.

• 測試驅動開發
• TDD (Test-Driven Development) 測試驅動開發（入門篇）
• Spring Boot TDD 測試驅動開發