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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00