项目技术文档——django-markupfield
1. 安装指南
推荐使用 pip 来安装 django-markupfield。由于该库不需要添加到 INSTALLED_APPS 中,只需确保其位于 PYTHONPATH 上即可。如果需要使用带标题的标记,可以将 markupfield 添加到 INSTALLED_APPS 中,或者将相应的翻译添加到项目的翻译中。
使用以下命令进行安装:
pip install django-markupfield
2. 项目使用说明
django-markupfield 是一个为 Django 定制的 MarkupField 实现。本质上,MarkupField 是一个带有相关标记类型的 TextField。该字段还假设磁盘空间比 CPU 周期更便宜,因此会缓存其渲染后的值。
在模型定义中使用 MarkupField 非常简单。以下是一个示例:
from django.db import models
from markupfield.fields import MarkupField
class Article(models.Model):
title = models.CharField(max_length=100)
slug = models.SlugField(max_length=100)
body = MarkupField()
创建 Article 对象时,可以使用在 MARKUP_FIELD_TYPES 中定义的任何标记类型:
Article.objects.create(title='some article', slug='some-article',
body='*fancy*', body_markup_type='markdown')
你可能会注意到,虽然你没有声明 body_markup_type 字段,但 MarkupField 实际上创建了两个额外的字段:body_markup_type 和 _body_rendered。这些字段始终根据声明的 MarkupField 的名称命名。
3. 项目API使用文档
MarkupField 接受几个参数,其中 default_markup_type 和 markup_type 参数可以指定,但不能同时指定。
default_markup_type:设置字段默认使用的标记类型。即使这样,仍然可以编辑标记类型属性,它将默认显示在 ModelForms 中。markup_type:设置字段将始终使用的标记类型,editable=False将设置在隐藏字段上,因此它不会在 ModelForms 中显示。markup_choices:用于替代MARKUP_FIELD_TYPES的替换列表,基于每个字段的基础。escape_html:一个标志(默认为 False),表示输入应被视为不可信,并且将通过 Django 的escape过滤器运行。
以下是一些使用示例:
-
默认使用 markdown,但允许用户选择:
MarkupField(default_markup_type='markdown') -
使用 ReST 并在表单上不提供选择:
MarkupField(markup_type='restructuredtext') -
使用自定义渲染器集:
CUSTOM_RENDERERS = ( ('markdown', markdown.markdown), ('wiki', my_wiki_render_func) ) MarkupField(markup_choices=CUSTOM_RENDERERS)
请注意,在使用 markdown 时,确保使用 markdown.markdown 而不是 markdown.Markdown 类,因为类在某些情况下需要一个明确的 reset 才能正确运行。
4. 项目安装方式
项目安装方式与安装指南相同,使用 pip 命令即可完成安装:
pip install django-markupfield
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00