Django-Mailgun 技术文档
1. 安装指南
首先,确保你已经安装了 Django。接下来,你可以使用 pip 命令安装 django-mailgun。
pip install django-mailgun
在安装完 django-mailgun 后,你需要在项目的 settings.py 文件中配置一些参数。
EMAIL_BACKEND = 'django_mailgun.MailgunBackend'
MAILGUN_ACCESS_KEY = 'ACCESS-KEY'
MAILGUN_SERVER_NAME = 'SERVER-NAME'
将 ACCESS-KEY 替换为你的 Mailgun 账户详情中的 "API-KEY",将 SERVER-NAME 替换为你的 "API Base URL" 的最后一部分(例如:https://api.mailgun.net/v3/<your_server_name>)。
2. 项目使用说明
在配置好 django-mailgun 后,你可以像平时一样使用 django.core.mail.send_mail 方法发送邮件,django-mailgun 会自动将邮件发送到 Mailgun。
from django.core.mail import send_mail
send_mail('Subject here', 'Here is the message.', 'from@example.com', ['to@example.com'], fail_silently=False)
3. 项目API使用文档
django-mailgun 支持一些额外的特性,例如:
发送用户特定数据
如果你想利用 Mailgun 的批量发送功能,你需要在 EmailMessage 的 extra_headers 属性中添加一个有效的 JSON 字符串。
from django.core.mail import EmailMessage
email = EmailMessage('Hi!', 'Cool message for %recipient.first_name%', 'admin@example.com', ['joe@example.com', 'jane@example.com'])
email.extra_headers['recipient_variables'] = '{"joe@example.com":{"first_name":"Joe"}, "jane@example.com":{"first_name":"Jane"}}'
email.send()
分析和其他追踪功能
Mailgun 允许你追踪关于你的电子邮件的某些事件。你可以在 API 调用中传递这些选项(更多信息请查看 Mailgun 文档)。如果你在 extra_headers 中添加任何 SMTP 选项,django-mailgun 会将这些值映射到相应的 API 参数。
from django.core.mail import EmailMessage
email = EmailMessage('Hi!', 'Cool message for Joe', 'admin@example.com', ['joe@example.com'])
email.extra_headers['X-Mailgun-Tag'] = ['Tag 1', 'Tag 2']
email.send()
附加数据到消息
你也可以通过 X-Mailgun-Variables 头向邮件附加自定义数据。数据应该格式化为 JSON,并将包含在任何与该电子邮件相关的 webhook 事件中。
from django.core.mail import EmailMessage
email = EmailMessage('Hi!', 'Cool message for Joe', 'admin@example.com', ['joe@example.com'])
email.extra_headers['X-Mailgun-Variables'] = {'my-id': 'email_id', 'my-variable':'variable'}
email.send()
请注意,django-mailgun 不会验证你提供的数据是否符合 Mailgun API 的要求,它只是简单地将你提供的值映射到 API。
4. 项目安装方式
请参考上文“安装指南”部分。
以上是关于 django-mailgun 的基本介绍和使用方法。如果你有任何问题或需要进一步的澄清,请随时查阅 Mailgun 的官方文档。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00