Laravel 评论评分系统:Laravel Review Rateable
2024-05-23 15:42:28作者:史锋燃Gardner
Laravel Review Rateable 是一个针对 Laravel 6 到 9 的全面评论和评分系统,允许您对模型进行五个不同维度的评分:整体评分、客户服务评分、质量评分、友善度评分以及价格评分。此外,它还支持设定被评价模型是否推荐。
安装与配置
要安装此包,请在您的项目中运行以下Composer命令:
composer require codebyray/laravel-review-rateable
然后,在 app/config/app.php 文件中的服务提供者列表中添加如下代码(对于 Laravel 5.5 及更高版本,这将自动完成):
'providers' => [
Codebyray\ReviewRateable\ReviewRateableServiceProvider::class
];
接下来,发布并执行迁移文件:
php artisan vendor:publish --provider="Codebyray\ReviewRateable\ReviewRateableServiceProvider" --tag="migrations"
最后,执行数据库迁移:
php artisan migrate
模型设置
在你的模型类中,实现 Codebyray\ReviewRateable\Contracts\ReviewRateable 接口,并使用 ReviewRateableTrait:
<?php
namespace App;
use Codebyray\ReviewRateable\Contracts\ReviewRateable;
use Codebyray\ReviewRateable\Traits\ReviewRateable;
use Illuminate\Database\Eloquent\Model;
class Post extends Model implements ReviewRateable
{
use ReviewRateableTrait;
}
使用示例
创建评分时,可以指定评分是否已审核:
$user = User::first();
$post = Post::first();
$rating = $post->rating([
'title' => 'This is a test title',
'body' => 'And we will add some shit here',
'customer_service_rating' => 5,
'quality_rating' => 5,
'friendly_rating' => 5,
'pricing_rating' => 5,
'rating' => 5,
'recommend' => 'Yes',
'approved' => true,
], $user);
dd($rating);
更新或删除评分,标记为已审核,以及获取不同的评分集合也非常简单直观。
应用场景与特点
Laravel Review Rateable 非常适合用于电商平台、博客或任何需要用户反馈和评级的项目。它的特点包括:
- 多维度评分:除了整体评分外,还可以分别对服务质量、产品质量、友好度和价格进行评估。
- 审核机制:提供了未审核和已审核的评分管理,便于对用户提交的内容进行审查。
- 灵活的数据操作:轻松创建、更新、删除评分,以及按需获取数据。
- 统计信息:可快速获取平均评分、计数总评分以及百分比评分,方便数据分析。
- 易集成:与 Laravel 框架无缝集成,适应性强,易于定制和扩展。
- 维护活跃:虽然这是一个从原始项目分叉的版本,但仍然保持持续的更新和维护。
无论你是正在构建一个新的 Laravel 项目,还是希望改进现有的评价系统,Laravel Review Rateable 都是一个值得考虑的强大工具。立即尝试,让用户体验更上一层楼!
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
479
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
375
3.24 K
Ascend Extension for PyTorch
Python
169
190
暂无简介
Dart
615
140
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
仓颉编译器源码及 cjdb 调试工具。
C++
126
855
仓颉编程语言测试用例。
Cangjie
36
852
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
258