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
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217