Django Form Utils 技术文档
安装指南
安装方式
-
使用
pip安装django-form-utils:pip install django-form-utils -
在 Django 项目的
settings.py文件中,将form_utils添加到INSTALLED_APPS列表中:INSTALLED_APPS = [ ... 'form_utils', ... ]
依赖项
django-form-utils支持 Django 1.4 及以上版本,Python 2.6、2.7 和 3.3。ImageWidget需要Python Imaging Library。AutoResizeTextarea需要jQuery。
项目使用说明
BetterForm 和 BetterModelForm
BetterForm 和 BetterModelForm 是 django.forms.Form 和 django.forms.ModelForm 的子类,允许将表单划分为多个字段集(fieldsets),并在模板中迭代这些字段集。还可以为每个字段定义 row_attrs,以便在模板中为字段容器添加属性。
示例
from form_utils.forms import BetterForm
class MyForm(BetterForm):
one = forms.CharField()
two = forms.CharField()
three = forms.CharField()
class Meta:
fieldsets = [
('main', {'fields': ['two'], 'legend': ''}),
('Advanced', {'fields': ['three', 'one'], 'description': 'advanced stuff', 'classes': ['advanced', 'collapse']})
]
row_attrs = {'one': {'style': 'display: none'}}
字段集(Fieldsets)
字段集定义类似于 ModelAdmin 的字段集定义。每个字段集是一个包含名称和选项字典的二元组。选项字典中的有效选项包括:
fields:必填,字段名称的元组。classes:应用于字段集的额外 CSS 类。legend:字段集的标题。description:字段集的描述文本。
行属性(Row Attributes)
row_attrs 是一个字典,映射字段名称到属性值字典。属性值字典将被展平为 HTML 样式的属性值对,并作为 row_attrs 属性提供给 BoundField。
渲染
可以使用以下模板来渲染 BetterForm:
{% if form.non_field_errors %}{{ form.non_field_errors }}{% endif %}
{% for fieldset in form.fieldsets %}
<fieldset class="{{ fieldset.classes }}">
{% if fieldset.legend %}
<legend>{{ fieldset.legend }}</legend>
{% endif %}
{% if fieldset.description %}
<p class="description">{{ fieldset.description }}</p>
{% endif %}
<ul>
{% for field in fieldset %}
{% if field.is_hidden %}
{{ field }}
{% else %}
<li{{ field.row_attrs }}>
{{ field.errors }}
{{ field.label_tag }}
{{ field }}
</li>
{% endif %}
{% endfor %}
</ul>
</fieldset>
{% endfor %}
项目 API 使用文档
实用模板过滤器
django-form-utils 提供了一些有用的模板过滤器,帮助模板作者在不修改 Python 代码的情况下自定义表单渲染。
label
渲染给定表单字段的标签标签。默认使用 Python 定义的标签文本,但可以通过过滤器参数提供备用标签文本。
{{ form.fieldname|label:"Alternate label" }}
value_text
以人类可读的方式显示给定表单字段的当前值。
{{ form.fieldname|value_text }}
selected_values
类似于 value_text,但用于多选表单字段,返回选定值的列表。
<ul>
{% for selected_value in form.multiselect|selected_values %}
<li>{{ selected_value }}</li>
{% endfor %}
</ul>
optional
如果给定字段是可选的,则返回 True,否则返回 False。
{% if form.fieldname|optional %}(optional){% endif %}
is_checkbox
如果给定字段的控件是 CheckboxInput,则返回 True,否则返回 False。
{% if form.fieldname|is_checkbox %}
{{ form.fieldname }}
{{ form.fieldname|label }}
{% else %}
{{ form.fieldname|label }}
{{ form.fieldname }}
{% endif %}
is_multiple
如果给定字段是 MultipleChoiceField,则返回 True,否则返回 False。
{% if form.fieldname|is_multiple %}
{% for value in form.fieldname|selected_values %}{{ value }} {% endif %}
{% else %}
{{ form.fieldname|value_text }}
{% endif %}
项目安装方式
使用 pip 安装
pip install django-form-utils
添加到 INSTALLED_APPS
在 settings.py 中添加 form_utils:
INSTALLED_APPS = [
...
'form_utils',
...
]
自定义模板
可以通过提供自定义模板来覆盖默认的表单渲染模板:
templates/form_utils/better_form.html
templates/form_utils/form.html
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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