Django CSV Import 技术文档
概述
django-csvimport 是一个通用的 CSV 文件导入工具,允许用户上传 CSV 文件以填充数据。该工具通过安装一个包含文件上传字段的 csvimport 模型来实现数据导入功能。用户可以通过上传逗号分隔值文件或 MS Excel 文件来触发导入机制,系统会自动匹配文件中的字段名与所选模型的字段,并导入包含所有必填字段的行。
安装指南
安装步骤
-
使用 pip 安装
django-csvimport:pip install django-csvimport -
在项目的
settings.py文件中,将csvimport.app.CSVImportConf添加到INSTALLED_APPS中:INSTALLED_APPS = ( ... 'csvimport.app.CSVImportConf', # 使用 AppConfig 适用于 Django >=1.7 和 csvimport >=2.2 ) -
运行数据库迁移命令:
python manage.py migrate如果使用的是 Django 1.9 之前的版本,请使用
syncdb命令。
项目的使用说明
通过管理界面导入数据
- 在 Django 管理界面中,添加一个新的
csvimport条目。 - 填写表单并上传 CSV 文件。
- 提交表单后,系统会自动导入数据。导入失败的行将被记录在日志字段中。
通过命令行导入数据
使用 importcsv 命令可以通过命令行导入 CSV 文件:
manage.py importcsv --mappings='' --model='app_label.model_name' --delimiter='\t' importfile.csv
--mappings:指定字段映射关系,例如--mappings='1=shared_code,2=org(otherapp.Organisation|name),3=date'。--model:指定目标模型的名称。--delimiter:指定 CSV 文件的分隔符,默认为制表符。
生成模型代码
使用 inspectcsv 命令可以从 CSV 文件生成模型代码:
manage.py inspectcsv importfile.csv > models.py
生成的模型代码可以添加到应用中,并通过 makemigrations 和 migrate 命令进行数据库迁移。
项目 API 使用文档
自定义命令
inspectcsv
该命令用于从 CSV 文件生成模型代码:
manage.py inspectcsv importfile.csv > models.py
importcsv
该命令用于导入 CSV 文件数据:
manage.py importcsv --mappings='' --model='app_label.model_name' --delimiter='\t' importfile.csv
外键处理
csvimport 无法自动处理复杂的表关系。如果模型中包含外键字段,可以通过 mappings 参数指定外键关系。例如:
--mappings='column2=org(Organisation|name)'
日期时间处理
导入器使用 dateparser 来处理 CSV 文件中的日期时间类型。可以通过设置 DATEPARSER_SETTINGS 环境变量来配置日期解析行为。
项目安装方式
演示安装
-
创建虚拟环境并安装 Django 和
django-csvimport:virtualenv mysite cd mysite pip install django pip install django-csvimport -
创建
django-admin.py脚本并运行迁移命令:cat > bin/django-admin.py << EOF #!/usr/bin/env python from django.core import management import os os.environ["DJANGO_SETTINGS_MODULE"] = "csvimport.settings" if __name__ == "__main__": management.execute_from_command_line() EOF django-admin.py migrate django-admin.py runserver -
访问
http://127.0.0.1:8000/admin/,上传 CSV 文件并查看导入结果。
测试
运行以下命令以执行 django-csvimport 的测试:
bin/python3 -m django test --settings='csvimport.settings' csvimport.tests
总结
django-csvimport 是一个功能强大的 CSV 文件导入工具,适用于 Django 项目中的数据导入需求。通过管理界面或命令行,用户可以轻松地将 CSV 文件中的数据导入到数据库中。此外,工具还提供了生成模型代码的功能,方便用户快速创建与 CSV 文件结构匹配的数据库模型。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00