第三方:
3.富文本编辑器:此处以tinymce为例
使用编辑器的显示效果为：
1.下载安装
在网站pypi网站搜索并下载"django-tinymce-2.4.0"
解压
tar zxvf django-tinymce-2.4.0.tar.gz
进入解压后的目录，工作在虚拟环境，安装 python setup.py install应用到项目中
2.在settings.py中为INSTALLED_APPS添加编辑器应用
INSTALLED_APPS = (
...
‘tinymce‘,
)
3.在settings.py中添加编辑配置项
TINYMCE_DEFAULT_CONFIG = {
‘theme‘: ‘advanced‘,
‘width‘: 600,
‘height‘: 400,
}
在根urls.py中配置
urlpatterns = [
...
url(r‘^tinymce/‘, include(‘tinymce.urls‘)),
]
在应用中定义模型的属性
from django.db import models
from tinymce.models import htmlField
class HeroInfo(models.Model):
...
hcontent = HTMLField()
在后台管理界面中，就会显示为富文本编辑器，而不是多行文本框
自定义使用:
定义视图editor，用于显示编辑器并完成提交
def editor(request):
return render(request, ‘other/editor.html‘)
配置url
urlpatterns = [
...
url(r‘^editor/$‘, views.editor, name=‘editor‘),
]
创建模板editor.html
<!DOCTYPE html>
<html>
<head>
<title></title>
<script type="text/javascript" src=‘/static/tiny_mce/tiny_mce.js‘></script>
<script type="text/javascript">
tinyMCE.init({
‘mode‘:‘textareas‘,
‘theme‘:‘advanced‘,
‘width‘:400,
‘height‘:100
});
</script>
</head>
<body>
<form method="post" action="/content/">
<input type="text" name="hname">
<br>
<textarea name=‘hcontent‘>哈哈，这是啥呀</textarea>
<br>
<input type="submit" value="提交">
</form>
</body>
</html>
定义视图content，接收请求，并更新heroinfo对象
def content(request):
hname = request.POST[‘hname‘]
hcontent = request.POST[‘hcontent‘]
heroinfo = HeroInfo.objects.get(pk=1)
heroinfo.hname = hname
heroinfo.hcontent = hcontent
heroinfo.save()
return render(request, ‘other/content.html‘, {‘hero‘: heroinfo})
添加url项
urlpatterns = [
...
url(r‘^content/$‘, views.content, name=‘content‘),
]
定义模板content.html
<!DOCTYPE html>
<html>
<head>
<title></title>
</head>
<body>
姓名：{{hero.hname}}
<hr>
{%autoescape off%}
{{hero.hcontent}}
{%endautoescape%}
</body>
</html>
4.缓存:Django自带了一个健壮的缓存系统来保存动态页面，避免对于每次请求都重新计算,Django提供了不同级别的缓存粒度：可以缓存特定视图的输出、可以仅仅缓存那些很难生产出来的部分、或者可以缓存整个网站.
设置缓存:通过设置把数据缓存在数据库,文件系统,内存
1.通过setting文件的CACHES配置来实现,参数TIMEOUT：缓存的默认过期时间，以秒为单位，默认5分钟；设置TIMEOUT为None表示永远不会过期，值设置成0造成缓存立即失效
CACHES={
‘default‘: {
‘BACKEND‘: ‘django.core.cache.backends.locmem.LocMemCache‘,
‘TIMEOUT‘: 60,
}
}
2.Redis数据库缓存:可以将cache存到redis中，默认采用1数据库，需要安装包并配置如下：
安装包：pip install django-redis-cache
CACHES = {
"default": {
"BACKEND": "redis_cache.cache.RedisCache",
"LOCATION": "localhost:6379",
‘TIMEOUT‘: 60,
},
}
可以连接redis查看存的数据
连接：redis-cli
切换数据库：select 1
查看键：keys *
查看值：get 键
单个view缓存
django.views.decorators.cache定义了cache_page装饰器，用于对视图的输出进行缓存
示例代码如下：
from django.views.decorators.cache import cache_page
@cache_page(60 * 15)
def index(request):
return HttpResponse(‘hello1‘)
cache_page接受一个参数：timeout，秒为单位，上例中缓存了15分钟
视图缓存与URL无关，如果多个URL指向同一视图，每个URL将会分别缓存
5.模板片断缓存:使用cache模板标签来缓存模板的一个片段
需要两个参数：时间,名称
示例代码如下：
{% load cache %}
{% cache 500 hello %}
hello1
<!--hello2-->
{% endcache %}
底层的缓存API
from django.core.cache import cache
设置：cache.set(键,值,有效时间)
获取：cache.get(键)
删除：cache.delete(键)
清空：cache.clear()
6.全文检索:全文检索不同于特定字段的模糊查询，使用全文检索的效率更高，并且能够对于中文进行分词处理
工具包:
1.haystack(与Python交互的包)：django的一个包，可以方便地对model里面的内容进行索引、搜索，设计为支持whoosh,solr,Xapian,Elasticsearc四种全文检索引擎后端，属于一种全文检索的框架
2.whoosh(进行检索的框架)：纯Python编写的全文搜索引擎，虽然性能比不上sphinx、xapian、Elasticsearc等，但是无二进制包，程序不会莫名其妙的崩溃，对于小型的站点，whoosh已经足够使用
3.jieba(一句话里面把词分开)：一款免费的中文分词包，如果觉得不好用可以使用一些收费产品
操作
1.在虚拟环境中依次安装包
1.pip install django-haystack
2.pip install whoosh
3.pip install jieba
2.修改settings.py文件
添加应用
INSTALLED_APPS = (
‘haystack‘,
)
添加搜索引擎
HAYSTACK_CONNECTIONS = {
‘default‘: {
‘ENGINE‘: ‘haystack.backends.whoosh_cn_backend.WhooshEngine‘,
‘PATH‘: os.path.join(BASE_DIR, ‘whoosh_index‘),
}
}
#自动生成索引(只要一更新,自动更新索引)
HAYSTACK_SIGNAL_PROCESSOR = ‘haystack.signals.RealtimeSignalProcessor‘
3.在项目的urls.py中添加url
urlpatterns = [
url(r‘^search/‘, include(‘haystack.urls‘)),
]
4.在应用目录下建立search_indexes.py文件(导入模型类,然后生成索引再进行数据库的交互)
# coding=utf-8
from haystack import indexes
from models import GoodsInfo
class GoodsInfoIndex(indexes.SearchIndex, indexes.Indexable):
text = indexes.CharField(document=True, use_template=True)
def get_model(self):
return GoodsInfo模型
def index_queryset(self, using=None):
return self.get_model().objects.all()
5.在目录“templates/search/indexes/应用名称/”下创建“模型类名称_text.txt”文件
#goodsinfo_text.txt，这里列出了要对哪些列的内容进行检索
{{ object.gName }}
{{ object.gSubName }}
{{ object.gDes }}
6.在目录“templates/search/”下建立search.html
<!DOCTYPE html>
<html>
<head>
<title></title>
</head>
<body>
{% if query %}
<h3>搜索结果如下：</h3>
{% for result in page.object_list %}
<a href="/{{ result.object.id }}/">{{ result.object.gName }}</a><br/>
{% empty %}
<p>啥也没找到</p>
{% endfor %}
{% if page.has_previous or page.has_next %}
<div>
{% if page.has_previous %}<a href="?q={{ query }}&page={{ page.previous_page_number }}">{% endif %}« 上一页{% if page.has_previous %}</a>{% endif %}
|
{% if page.has_next %}<a href="?q={{ query }}&page={{ page.next_page_number }}">{% endif %}下一页 »{% if page.has_next %}</a>{% endif %}
</div>
{% endif %}
{% endif %}
</body>
</html>
7.建立ChineseAnalyzer.py文件(进到安装的目录里面创建对应的文件,然后把代码放进去)
保存在haystack的安装文件夹下，路径如“/home/python/.virtualenvs/django_py2/lib/python2.7/site-packages/haystack/backends”
import jieba
from whoosh.analysis import Tokenizer, Token
class ChineseTokenizer(Tokenizer):
def __call__(self, value, positions=False, chars=False,
keeporiginal=False, removestops=True,
start_pos=0, start_char=0, mode=‘‘, **kwargs):
t = Token(positions, chars, removestops=removestops, mode=mode,
**kwargs)
seglist = jieba.cut(value, cut_all=True)
for w in seglist:
t.original = t.text = w
t.boost = 1.0
if positions:
t.pos = start_pos + value.find(w)
if chars:
t.startchar = start_char + value.find(w)
t.endchar = start_char + value.find(w) + len(w)
yield t
def ChineseAnalyzer():
return ChineseTokenizer()
8.复制whoosh_backend.py文件，改名为whoosh_cn_backend.py
注意：复制出来的文件名，末尾会有一个空格，记得要删除这个空格
from .ChineseAnalyzer import ChineseAnalyzer
查找
analyzer=StemmingAnalyzer()
改为
analyzer=ChineseAnalyzer()
9.生成索引
初始化索引数据
python manage.py rebuild_index
10.在模板中创建搜索栏
<form method=‘get‘ action="/search/" target="_blank">
<input type="text" name="q">
<input type="submit" value="查询">
</form>
7.celery:
使用场景:
1.耗时操作,直接分出进程去执行,避免客户端等待响应太久
2.定时操作,对于固定的操作,设置定时,到点直接分出进程去操作
名词:
1.任务task：就是一个Python函数
2.队列queue：将需要执行的任务加入到队列中
3.工人worker：在一个新进程中，负责执行队列中的任务
4.代理人broker：负责调度，在布置环境中使用redis
使用:
1.安装包
celery==3.1.25
celery-with-redis==3.0
django-celery==3.1.17
2.配置settings
INSTALLED_APPS = (
‘djcelery‘,
}
import djcelery
djcelery.setup_loader()
BROKER_URL = ‘redis://127.0.0.1:6379/0‘
CELERY_IMPORTS = (‘应用名称.task‘)
在应用目录下创建task.py文件
import time
from celery import task
@task
def sayhello():
print(‘hello ...‘)
time.sleep(2)
print(‘world ...‘)
迁移，生成celery需要的数据表
python manage.py migrate
启动Redis
sudo redis-server /etc/redis/redis.conf
启动worker
python manage.py celery worker --loglevel=info
调用语法
function.delay(parameters)
使用代码
#from task import *
def sayhello(request):
print(‘hello ...‘)
import time
time.sleep(10)
print(‘world ...‘)
# sayhello.delay()
return HttpResponse("hello world")