当前位置：首页 > news >正文

淘宝怎么做基础销量什么网站好2023年6月疫情情况

news 2025/7/4 19:05:27

淘宝怎么做基础销量什么网站好,2023年6月疫情情况,网站php源码破解版,北京网站设计地址通州项目实现功能在admin后台自定义添加上传文档。对展示在首页的文章分页显示。在首页点击文章的阅读全文按钮可进入该文章全文详情页进行浏览。对文章实现了内容分类何以发布时间进行归档分类。使用django的whoose搜索引擎对全文实现内容的搜索。项目涉及技术 Mysql Djan…

项目实现功能

在admin后台自定义添加上传文档。
对展示在首页的文章分页显示。
在首页点击文章的阅读全文按钮可进入该文章全文详情页进行浏览。
对文章实现了内容分类何以发布时间进行归档分类。
使用django的whoose搜索引擎对全文实现内容的搜索。

项目涉及技术

Mysql Django Python redis

项目核心实现流程

确定索要发布的文章展示的样式排版（时间，作者，标签，分类，简介等等），在django的models确定对应的字段形式（注意表与表之间，字段与字段之间的对应关系，一对多OR多对多，比如文章和分类可以实现多对一（一个分类包含多篇文章类型），文章与标签之间是多对多的关系）
object.get.all（）获取数据库的对象内容，在首页的前端页面循环遍历显示即可，至于点击阅读全文按钮进入详情页面在url给定路由后path('page/<int:num>',views.queryAll),我们这里根据点击识别的不同文章的id来获取该文章的内容，
postid = int(postid)
# 根据postid查询帖子的详情信息
post = Post.objects.get(id=postid)然后再详情内容页面讲该文章post.各种字段（分类，简介，内容，时间等等）放在页面对应的变迁文本里即可。
分页：使用Django的自带的Pagintor，技术步骤如下结合自己的项目中需要展示的数据库里的数据即可1.导入Paginator类和EmptyPage、PageNotAnInteger异常类； 2.获取需要分页的数据列表； 3.创建Paginator对象，指定每页显示的数据条数； 4.获取当前页码数，如果没有获取到则默认为第一页； 5.获取当前页的数据，如果页码数不是整数或者超出范围则抛出异常； 6.根据总页数决定显示的页码范围； 7.将分页后的数据传递给模板进行渲染
对文章的归档（按照类别，时间），

#1.获取分类信息
        r_catepost         =Post.objects.values('category__cname','category').annotate(c=Count('*')).order_by('-c')
        #2.近期文章
        r_recpost = Post.objects.all().order_by('-created')[:3]
        #3.获取日期归档信息
        from django.db import connection
        cursor = connection.cursor()
        cursor.execute("select created,count('*') c from t_post GROUP BY         DATE_FORMAT(created,'%Y-%m') ORDER BY c desc,created desc")
        r_filepost = cursor.fetchall()

以上代码用来获取以不同划分特点来获取数据库中的指定内容对象，

分类url：

<a class="category-list-link"
href="/post/category/{{ cp.category }}">{{ cp.category__cname }}</a>

归档url：

最近文章url（同阅读全文链接地址）：<a href="/post/post/{{ rp.id }}" target="_blank">{{ rp.title|truncatechars:10 }}</a>

5.分享，直接调用百度分享的api接口即可：代码如下：

        <div class="bdsharebuttonbox"><a href="#" class="bds_more" data-cmd="more"></a><a href="#" class="bds_qzone" data-cmd="qzone"></a><a href="#" class="bds_tsina" data-cmd="tsina"></a><a href="#" class="bds_tqq" data-cmd="tqq"></a><a href="#" class="bds_renren" data-cmd="renren"></a><a href="#" class="bds_weixin" data-cmd="weixin"></a></div><script>window._bd_share_config={"common":{"bdSnsKey":{},"bdText":"","bdMini":"2","bdPic":"","bdStyle":"0","bdSize":"16"},"share":{},"image":{"viewList":["qzone","tsina","tqq","renren","weixin"],"viewText":"分享到：","viewSize":"16"},"selectShare":{"bdContainerClass":null,"bdSelectMiniList":["qzone","tsina","tqq","renren","weixin"]}};with(document)0[(getElementsByTagName('head')[0]||body).appendChild(createElement('script')).src='http://bdimg.share.baidu.com/static/api/js/share.js?v=89860593.js?cdnversion='+~(-new Date()/36e5)];</script></div>

6：全局搜索(whoose);

在Django中使用Whoosh搜索需要使用django-haystack模块。首先需要安装django-haystack和Whoosh，可以使用pip install django-haystack Whoosh命令进行安装。安装完成后，需要在settings.py文件中进行配置，包括搜索引擎的类型、路径等信息。接着需要定义搜索的模型，即在哪些模型中进行搜索。最后需要定义搜索视图和模板，即搜索结果的展示方式。具体的使用方法可以参考django-haystack的官方文档

项目部分代码：

分页：

def queryAll(request, num=1):num = int(num)postList = Post.objects.all().order_by('-created')# 创建分页器对象pageObj = Paginator(postList, 2)# 获取当前页的数据perPageList = pageObj.page(num)# 生成页码数列表# 每页开始页码begin = (num - int(math.ceil(10.0 / 2)))if begin < 1:begin = 1# 每页结束页码end = begin + 9if end > pageObj.num_pages:end = pageObj.num_pagesif end <= 10:begin = 1else:begin = end - 9pageList = range(begin, end + 1)return render(request, 'index.html', {'postList': perPageList, 'pageList': pageList, 'currentNum': num})

全局搜索：

#coding=UTF-8
from  haystack import indexes
from post.models import *
import sys  # 导入sys模块
sys.setrecursionlimit(3000)  # 将默认的递归深度修改为3000
#注意格式(模型类名+Index)
class PostIndex(indexes.SearchIndex,indexes.Indexable):text = indexes.CharField(document=True, use_template=True)#给title,content设置索引title = indexes.NgramField(model_attr='title')content = indexes.NgramField(model_attr='content')def get_model(self):return Postdef index_queryset(self, using=None):return self.get_model().objects.order_by('-created')

tokenizer.py

#coding=utf-8
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=False)  # (精确模式)使用结巴分词库进行分词# seglist = jieba.cut_for_search(value)  #(搜索引擎模式) 使用结巴分词库进行分词for w in seglist:# print wt.original = t.text = wt.boost = 1.0if 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  # 通过生成器返回每个分词的结果tokendef ChineseAnalyzer():return ChineseTokenizer()