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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00