Django-guardian 2.4.0版本发布:权限管理框架的重大更新
项目简介
Django-guardian是Django生态系统中一个广受欢迎的权限管理扩展框架。它为Django提供了对象级别的权限控制能力,弥补了Django自带权限系统只能实现模型级别权限控制的不足。通过django-guardian,开发者可以为特定用户或用户组设置针对单个模型实例的精细权限,这在构建需要复杂权限控制的Web应用时尤为有用。
2.4.0版本核心更新
1. 支持最新Python和Django版本
本次2.4.0版本最重要的更新之一是增加了对Python 3.9、Django 3.1和Django 3.2的全面支持。这意味着开发者可以在最新的Python和Django环境中安全地使用django-guardian,而无需担心兼容性问题。
对于Django 3.2的支持尤为重要,因为Django 3.2是一个长期支持(LTS)版本,将获得长期的安全更新和维护。django-guardian能够及时跟进这一重要版本,确保了项目在长期支持版本上的可用性。
2. PermissionRequiredMixin新增any_perm参数
在权限控制方面,2.4.0版本为PermissionRequiredMixin引入了一个重要的新参数——any_perm。这个参数改变了权限检查的逻辑:
- 当any_perm=False(默认值)时,用户必须拥有所有指定的权限才能访问视图
- 当any_perm=True时,用户只需拥有任意一个指定的权限即可访问视图
这个改进极大地增强了权限控制的灵活性,使得开发者能够更精细地控制视图的访问权限。例如,在一个需要多种权限才能执行的操作中,现在可以配置为只要用户拥有其中任一权限即可访问,这在某些业务场景下非常实用。
3. 全局权限对象支持
本次更新还改进了shortcut.remove_perm函数,使其能够正确处理全局权限对象。这意味着开发者现在可以更一致地处理对象级别权限和全局权限,简化了权限管理代码。
4. 测试基础设施升级
项目从Travis CI迁移到了GitHub Actions作为持续集成平台。这一变化带来了更快的测试执行速度和更好的集成体验,同时也反映了开源项目测试基础设施的现代化趋势。
技术细节改进
除了上述主要功能更新外,2.4.0版本还包含了一系列技术改进:
- 修复了Django 3.2中关于AutoField的兼容性问题
- 移除了已弃用的default_app_config设置,遵循Django的最新实践
- 优化了核心代码中的迭代器使用,采用更高效的chain.from_iterable方法
- 更新了文档中的函数引用,确保文档准确性
版本兼容性说明
对于计划升级到2.4.0版本的开发者,需要注意以下兼容性信息:
- 支持Python 3.6及以上版本
- 支持Django 2.2、3.0、3.1和3.2版本
- 在Django 3.2环境下,自动处理了AutoField的变化
- 已移除对Python 3.5及以下版本的支持
升级建议
对于正在使用django-guardian的项目,升级到2.4.0版本是一个相对安全的过程。建议开发者:
- 首先在开发环境中测试升级
- 特别注意any_perm参数的使用场景,评估是否需要调整现有权限逻辑
- 检查项目中是否使用了已移除的default_app_config设置
- 确保测试覆盖所有权限相关功能
总结
Django-guardian 2.4.0版本在保持稳定性的同时,带来了对最新Python和Django版本的支持,增强了权限控制的灵活性,并改进了代码质量和测试基础设施。这些更新使得django-guardian在现代Django项目中的使用更加顺畅和安全,继续巩固了它作为Django生态中权限管理首选解决方案的地位。
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
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
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
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!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00