django-htmlmin 技术文档
1. 安装指南
首先,确保您的环境中已安装pip。然后,通过以下命令安装django-htmlmin:
$ [sudo] pip install django-htmlmin
如果您使用的是虚拟环境,请确保在正确的环境中运行上述命令。
2. 项目使用说明
2.1 中间件使用
要将django-htmlmin集成到您的Django项目中,您需要在settings.py文件中配置中间件。以下是配置步骤:
-
将以下两个中间件添加到
MIDDLEWARE_CLASSES(或MIDDLEWARE,取决于Django版本)设置中:MIDDLEWARE_CLASSES = ( # 其他中间件类 'htmlmin.middleware.HtmlMinifyMiddleware', 'htmlmin.middleware.MarkRequestMiddleware', ) -
启用
HTML_MINIFY设置:HTML_MINIFY = True
默认情况下,HTML_MINIFY的值是not DEBUG。如果您希望在DEBUG模式下启用HTML压缩,则需要将其设置为True。
2.2 排除特定URL
如果您不希望压缩应用中所有视图的HTML,可以通过添加EXCLUDE_FROM_MINIFYING设置在settings.py中指定不压缩的URL模式。
EXCLUDE_FROM_MINIFYING = ('^my_app/', '^admin/')
2.3 保持注释
默认情况下,中间件会删除所有HTML注释。如果您希望保留注释,请设置KEEP_COMMENTS_ON_MINIFYING为True:
KEEP_COMMENTS_ON_MINIFYING = True
2.4 保守空白压缩
默认情况下,压缩器会智能地删除空白字符,仅在需要保持内联文本渲染时留下空格。如果您希望将所有空白字符减少为一个空格而不完全删除,请设置CONSERVATIVE_WHITESPACE_ON_MINIFYING为False:
CONSERVATIVE_WHITESPACE_ON_MINIFYING = True
3. 项目API使用文档
3.1 装饰器使用
django-htmlmin提供了一个装饰器minified_response,您可以将其应用于需要压缩响应的视图:
from htmlmin.decorators import minified_response
@minified_response
def home(request):
return render_to_response('home.html')
如果需要避免特定响应被压缩,可以使用not_minified_response装饰器,而不使用EXCLUDE_FROM_MINIFYING设置:
from htmlmin.decorators import not_minified_response
@not_minified_response
def home(request):
return render_to_response('home.html')
3.2 html_minify函数使用
如果您不是在使用Django,可以手动调用html_minify函数压缩HTML:
from htmlmin.minify import html_minify
html = '<html> <body>Hello world</body> </html>'
minified_html = html_minify(html)
对于Flask视图,可以如下使用:
from flask import Flask
from htmlmin.minify import html_minify
app = Flask(__name__)
@app.route('/')
def home():
rendered_html = render_template('home.html')
return html_minify(rendered_html)
3.3 保持注释
默认情况下,html_minify()会删除所有注释。如果您希望保留它们,请传递ignore_comments=False参数:
from htmlmin.minify import html_minify
html = '<html> <body>Hello world<!-- comment to keep --></body> </html>'
minified_html = html_minify(html, ignore_comments=False)
4. 项目安装方式
请遵循上述安装指南,使用pip安装django-htmlmin。如果您需要从源代码安装,请确保从GitHub克隆存储库并运行setup.py脚本。
$ git clone https://github.com/cobrateam/django-htmlmin.git
$ cd django-htmlmin
$ python setup.py install
以上就是django-htmlmin的详细技术文档,希望能够帮助您更好地了解和使用该项目。
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