Django reCAPTCHA 使用与技术文档
1. 安装指南
首先,您需要在Django reCAPTCHA的页面上注册reCAPTCHA。注册完成后,您将获得一对公钥和私钥,这对于reCAPTCHA的正常工作至关重要。
接下来,通过pip命令安装Django reCAPTCHA:
pip install django-recaptcha
在您的Django项目的settings.py文件中,添加'django_recaptcha'到INSTALLED_APPS列表中:
INSTALLED_APPS = [
# ... 其他应用 ...
'django_recaptcha',
# ... 其他应用 ...
]
然后,在settings.py中配置reCAPTCHA的公钥和私钥:
RECAPTCHA_PUBLIC_KEY = '您的reCAPTCHA公钥'
RECAPTCHA_PRIVATE_KEY = '您的reCAPTCHA私钥'
如果需要使用代理,可以设置RECAPTCHA_PROXY:
RECAPTCHA_PROXY = {'http': 'http://127.0.0.1:8000', 'https': 'https://127.0.0.1:8000'}
如果www.google.com无法访问,可以将RECAPTCHA_DOMAIN设置为www.recaptcha.net:
RECAPTCHA_DOMAIN = 'www.recaptcha.net'
2. 项目的使用说明
要在表单中添加reCAPTCHA,可以使用ReCaptchaField字段类。默认情况下,它将渲染一个reCAPTCHA V2 Checkbox。
例如:
from django import forms
from django_recaptcha.fields import ReCaptchaField
class FormWithCaptcha(forms.Form):
captcha = ReCaptchaField()
您还可以在运行时指定密钥,通过向构造函数传递private_key或public_key参数:
captcha = ReCaptchaField(
public_key='您的公钥',
private_key='您的私钥'
)
3. 项目API使用文档
ReCaptchaField支持以下几种小部件:
ReCaptchaV2Checkbox:用于Google reCAPTCHA V2 Checkbox。ReCaptchaV2Invisible:用于Google reCAPTCHA V2 Invisible。ReCaptchaV3:用于Google reCAPTCHA V3。
要使用非默认的reCAPTCHA V2 Checkbox小部件,只需替换ReCaptchaField的小部件。例如:
from django import forms
from django_recaptcha.fields import ReCaptchaField
from django_recaptcha.widgets import ReCaptchaV2Invisible
class FormWithCaptcha(forms.Form):
captcha = ReCaptchaField(widget=ReCaptchaV2Invisible)
reCAPTCHA V3还返回一个分数值,用于确定页面交互是机器人的可能性。可以通过设置RECAPTCHA_REQUIRED_SCORE来设定项目范围的分数限制:
RECAPTCHA_REQUIRED_SCORE = 0.85
也可以在运行时为每个字段指定分数:
captcha = fields.ReCaptchaField(
widget=ReCaptchaV3(required_score=0.85)
)
如果分数不符合要求,字段验证将失败,并记录错误信息。
reCAPTCHA V3 API还支持传递一个动作值,用于将reCAPTCHA验证与您网站上的特定表单关联起来,以便进行风险分析。设置动作值时,可以使用以下方式:
captcha = fields.ReCaptchaField(
widget=widgets.ReCaptchaV3(
action='signup'
)
)
设置动作是可选的,如果不指定动作,则不会向reCAPTCHA V3 API传递任何动作。
4. 项目安装方式
请遵循上述安装指南中的步骤进行安装。确保已经注册了reCAPTCHA并获取了公钥和私钥,然后通过pip安装Django reCAPTCHA,并在Django项目的配置文件中进行了相应设置。
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00