Django-Components 0.125版本发布:模板标签系统全面升级
Django-Components是一个用于构建可复用UI组件的Django扩展库,它允许开发者将前端模板、CSS和JavaScript打包成独立的组件,从而提高代码的可维护性和复用性。最新发布的0.125版本带来了模板标签系统的重大改进,为开发者提供了更强大、更灵活的模板标签定义和使用方式。
模板标签系统的全面革新
0.125版本引入了全新的@template_tag装饰器和BaseNode基类,让开发者能够创建功能丰富的自定义模板标签。这些新特性使得自定义模板标签能够拥有与内置标签相同的强大功能。
新特性亮点
-
灵活的输入参数处理:支持位置参数(args)、关键字参数(kwargs)和标志(flags)的混合使用,使模板标签的参数传递更加灵活。
-
复杂数据结构支持:现在可以直接在模板标签中使用列表和字典作为输入参数,例如:
{% my_tag items=[1, 2, 3] config={"mode": "dark", "size": "large"} / %} -
嵌套模板标签支持:模板标签的参数可以接受其他模板标签的输出作为输入:
{% my_tag content="{% lorem 3 w %}" / %} -
简化的字典语法:支持更简洁的字典定义方式:
{% my_tag attr:class="btn" attr:data-id=123 / %} -
参数展开操作:可以使用
...语法展开参数:{% my_tag ...args ...kwargs / %} -
灵活的调用方式:支持两种调用形式:
{% my_tag %}内容{% endmy_tag %}或自闭合形式:
{% my_tag / %}
输入验证机制的改进
0.125版本重构了模板标签的输入验证机制,使其行为更接近Python函数的参数验证。例如,当重复提供同一个参数时,系统会抛出错误:
{% slot "my_slot" name="content" / %} <!-- 错误:name参数被提供了两次 -->
需要注意的是,对于特殊的关键字参数(如包含连字符的参数名),验证规则有所不同。例如,以下写法仍然有效:
{% component data-id=123 / %}
对应的Python代码需要能够处理这种特殊命名的参数:
def get_context_data(self, **kwargs):
return {
"data_id": kwargs["data-id"],
}
迁移注意事项
0.125版本完成了从EmilStenstrom/django-components到django-components/django-components的仓库迁移。虽然包名保持不变,但开发者需要注意:
- 文档URL已变更,需要更新书签和参考资料
- 如果发现任何问题,建议及时报告
总结
Django-Components 0.125版本的发布标志着其模板标签系统的一次重大升级。新引入的@template_tag装饰器和BaseNode基类为开发者提供了更强大、更灵活的工具来创建自定义模板标签,同时改进的输入验证机制使得模板代码更加健壮。这些改进将显著提升Django模板的开发体验和代码质量,特别是在构建复杂UI组件时。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01