Dj-Stripe 2.9.0版本发布:重大更新与现代化升级
Dj-Stripe是一个将Stripe支付系统深度集成到Django框架中的开源项目,它提供了完整的Stripe API封装和Django模型映射,使开发者能够轻松地在Django应用中处理支付、订阅、发票等金融业务。最新发布的2.9.0版本带来了多项重要更新,标志着该项目向现代化技术栈迈出了重要一步。
核心变更与破坏性更新
Dj-Stripe 2.9.0版本包含了几项重要的破坏性变更,开发者需要特别注意:
-
移除废弃功能:包括DJSTRIPE_WEBHOOK_TOLERANCE、DJSTRIPE_WEBHOOK_SECRET设置项,以及Order模型和Source相关模型的直接支持。这些功能在之前的版本中已被标记为废弃,现在正式移除。
-
Webhook处理改进:移除了对未存储在数据库中的旧版webhook的支持,同时新增了对APPEND_SLASH=False配置的支持,这要求开发者更新Stripe端的webhook配置以移除结尾斜杠。
-
支付方法简化:移除了不支持的Customer.add_card方法,使API更加简洁。
技术栈升级与版本支持
本次版本对技术栈支持进行了重大调整:
-
Python与Django版本:最低要求提升至Python 3.10和Django 4.2,放弃了对旧版本的支持,使项目能够充分利用现代Python和Django的特性。
-
数据库驱动:新增了对纯Python实现的Psycopg 3(psycopg)包的支持,为PostgreSQL用户提供了更多选择。
-
Stripe SDK:最低Stripe SDK版本提升至8.0.0,确保与Stripe最新API的兼容性。
重要功能改进
-
stripe_data字段:所有模型新增了stripe_data字段,存储完整的Stripe原始数据。这一变更旨在为未来的3.0版本做准备,届时模型结构将有重大调整。
-
Webhook验证改进:DJSTRIPE_WEBHOOK_VALIDATION设置被弃用,转而支持WebhookEndpoint模型上的djstripe_validation_method字段,允许按端点配置验证方法。
-
枚举字段优化:所有枚举字段的最大长度统一设置为255,解决了向前兼容性问题。
问题修复与稳定性提升
2.9.0版本修复了多个关键问题:
-
Stripe Identity支持:修复了与Stripe身份验证相关的多个问题。
-
财务信息处理:修正了非客户关联财务信息的支持问题。
-
退款处理:解决了连接账户退款对象处理的问题。
-
发票同步:修复了处理带有空折扣的发票时可能发生的崩溃问题。
-
订阅激活:修正了当计划为None时Subscription.reactivate()的问题。
-
长收据号支持:改进了对长收据编号的处理。
向后兼容性建议
对于正在使用Dj-Stripe的项目,升级到2.9.0版本需要注意:
-
检查是否使用了任何已移除的API或设置,如Customer.add_card方法或旧版webhook处理。
-
如果项目依赖特定的SQL查询访问Dj-Stripe模型,建议改为查询stripe_data JSON字段,以减少未来版本升级时的工作量。
-
对于Webhook配置,需要根据APPEND_SLASH设置调整Stripe端的URL配置。
-
考虑将Webhook验证配置迁移到新的基于端点的系统。
Dj-Stripe 2.9.0版本的发布标志着该项目向更现代化、更稳定的方向迈进,虽然带来了一些破坏性变更,但这些改进为未来的功能扩展和性能优化奠定了坚实基础。对于新项目,建议直接采用此版本;对于现有项目,建议在测试环境中充分验证后再进行升级。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00