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。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00