StofDoctrineExtensionsBundle 技术文档
1. 安装指南
在您的Symfony项目中使用StofDoctrineExtensionsBundle之前,您需要先安装它。以下是一些基本步骤:
-
使用Symfony Flex安装:
composer require stof/doctrine-extensions-bundle -
如果不使用Symfony Flex,您需要手动添加bundle到
AppKernel.php文件中:new Stof\DoctrineExtensionsBundle\StofDoctrineExtensionsBundle(), -
确保您的
composer.json文件中已包含gedmo/doctrine-extensions依赖:"require": { "gedmo/doctrine-extensions": "^2.4" } -
运行以下命令以安装所有依赖项:
composer install
2. 项目使用说明
StofDoctrineExtensionsBundle 集成了 DoctrineExtensions,为Symfony项目提供了多种扩展功能。以下是一些主要功能:
- Tree:简化了树状结构数据的处理。
- Translatable:方便地将记录翻译成不同的语言。
- Sluggable:将指定的字段转换为唯一的slug。
- Timestampable:在创建、更新或属性更改时更新日期字段。
- Blameable:在创建、更新或属性更改时更新字符串或关联字段。
- Loggable:跟踪对象的变化和历史。
- Sortable:使任何文档或实体可排序。
要开始使用这些扩展,您需要将它们添加到实体映射中,并在相应的实体类中使用注解。
3. 项目API使用文档
关于如何使用各个扩展的具体API,请参考以下说明:
-
Tree:在实体中使用
@ Gedmo\Tree(type="materialized_path")注解来标记树节点。 -
Translatable:使用
@ Gedmo\Translatable注解,并通过TranslatableListener进行设置。 -
Sluggable:通过
@ Gedmo\Sluggable注解自动生成slug。 -
Timestampable:使用
@ Gedmo\Timestampable注解自动设置创建和更新时间。 -
Blameable:通过
@ Gedmo\Blameable注解跟踪创建者和更新者。 -
Loggable:使用
@ Gedmo\Loggable注解记录实体变更。 -
Sortable:通过
@ Gedmo\Sortable注解实现排序功能。
确保已经在您的doctrine.yml配置文件中正确设置了监听器和元数据缓存。
4. 项目安装方式
如上所述,StofDoctrineExtensionsBundle可以通过两种方式安装:
- 使用Symfony Flex:通过运行
composer require stof/doctrine-extensions-bundle命令。 - 手动安装:将bundle添加到
AppKernel.php文件中,并确保所有依赖项都已正确安装。
完成安装后,您可以开始配置和利用提供的扩展功能了。请确保阅读每个扩展的详细文档以了解如何正确实现它们。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0131
let_datasetLET数据集 基于全尺寸人形机器人 Kuavo 4 Pro 采集,涵盖多场景、多类型操作的真实世界多任务数据。面向机器人操作、移动与交互任务,支持真实环境下的可扩展机器人学习00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
AgentCPM-ReportAgentCPM-Report是由THUNLP、中国人民大学RUCBM和ModelBest联合开发的开源大语言模型智能体。它基于MiniCPM4.1 80亿参数基座模型构建,接收用户指令作为输入,可自主生成长篇报告。Python00