Django Unfold 中实现应用侧边栏可折叠配置的优化方案
2025-07-01 07:31:05作者:尤峻淳Whitney
背景介绍
在使用 Django Unfold 这个现代化 Django 后台主题时,开发者经常会遇到管理大量应用和模型的情况。默认情况下,Unfold 会在侧边栏展示所有注册的应用和模型,这在项目规模较大时会导致侧边栏变得冗长,影响用户体验。
问题分析
当前 Unfold 提供了通过 SIDEBAR 配置来自定义侧边栏行为的方式,包括设置可折叠分组。然而,当应用数量较多时,手动为每个应用和模型添加 collapsible: True 配置会变得非常繁琐且难以维护。
现有解决方案
目前开发者需要这样配置:
"SIDEBAR": {
"navigation": [
{
"collapsible": True,
"items": [
{
"title": _("Users"),
"link": reverse_lazy("admin:users_user_changelist"),
},
# 更多模型...
],
},
# 更多应用...
],
}
这种配置方式虽然灵活,但在大型项目中会导致配置文件变得庞大且难以维护。
优化方案
更优雅的解决方案是在应用配置(AppConfig)级别设置侧边栏行为,这样可以将配置分散到各个应用中,提高可维护性。具体实现思路如下:
- 在应用的
apps.py中扩展AppConfig类 - 添加
sidebar属性来定义该应用在侧边栏中的表现 - 修改 Unfold 的 AdminSite 实现,自动收集这些配置
示例实现:
# myapp/apps.py
from django.apps import AppConfig
from django.utils.translation import gettext_lazy as _
class MyAppConfig(AppConfig):
name = "myapp"
verbose_name = _("My Application")
sidebar = {
'collapsible': True,
'icon': 'heroicons-outline:users',
'order': 100 # 可选排序
}
技术实现细节
要实现这一功能,需要:
- 扩展 Django 的
AdminSite类,重写get_app_list方法 - 在构建侧边栏导航时检查每个应用的
AppConfig是否有sidebar属性 - 将这些配置合并到最终的侧边栏结构中
- 提供合理的默认值,确保向后兼容
优势分析
这种配置方式具有以下优势:
- 模块化:将配置分散到各个应用中,符合 Django 的应用隔离原则
- 可维护性:每个应用负责自己的侧边栏表现,修改时无需触及全局配置
- 灵活性:除了可折叠属性,还可以扩展其他配置如图标、排序等
- 可读性:配置更接近相关代码,便于理解应用的整体行为
替代方案
如果暂时不想修改核心代码,也可以考虑以下替代方案:
- 编写中间件动态修改
SIDEBAR配置 - 使用元类或装饰器自动注册侧边栏配置
- 创建自定义的管理命令来生成侧边栏配置
总结
在大型 Django 项目中使用 Unfold 主题时,通过 AppConfig 级别配置侧边栏行为是一种更优雅和可维护的解决方案。这种方式不仅解决了大量模型导致侧边栏冗长的问题,还提高了代码的组织性和可读性。对于正在使用 Unfold 并面临类似问题的开发者,值得考虑实现这一优化方案。
登录后查看全文
热门项目推荐
相关项目推荐
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-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
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
Ascend Extension for PyTorch
Python
173
193
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
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
268
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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