新闻详情

新闻详情

首页 / 资讯中心 / 详情

Django入门教程(二十五):博客项目实战(六)——分类筛选与关键词搜索

发布时间:2026/11/14 16:50:31来源:尧图网络
Django入门教程(二十五):博客项目实战(六)——分类筛选与关键词搜索
一、URL 查询参数查询参数是 URL 中问号后面的部分,如/?category=djangoq=入门。在 Django 视图函数中,通过request.GET获取这些参数。pythondef index(request): # request.GET 是一个类似字典的对象 # .get('key', '默认值') 安全获取参数,不存在时返回默认值 category_slug = request.GET.get('category', '') # 分类筛选 keyword = request.GET.get('q', '') # 搜索关键词 print(f'分类:{category_slug}, 搜索:{keyword}')request.GET与request.POST的对比:特性request.GETrequest.POST数据位置URL 查询字符串请求体可见性可见不可见典型用途筛选、搜索、分页登录、提交表单获取方式request.GET.get()request.POST.get()为什么用.get()而不是[]?python# 不推荐:参数不存在时会抛 KeyError category_slug = request.GET['category'] # 推荐:参数不存在时返回默认值 category_slug = request.GET.get('category', '')二、ORM 链式过滤与 Q 对象筛选和搜索需要动态拼接查询条件。python# 文件路径:blog/views.py 更新 index 函数 from django.shortcuts import render from django.db.models import Q # Q 对象用于组合复杂查询条件 from .models import Post, Category def index(request): """博客首页:展示文章列表,支持分类筛选 + 关键词搜索""" posts = Post.objects.all().order_by('-created_at') # 1. 获取查询参数 category_slug = request.GET.get('category', '') keyword = request.GET.get('q', '') # 2. 按分类筛选 if category_slug: # category__slug:通过外键访问分类表的 slug 字段(双下划线) posts = posts.filter(category__slug=category_slug) # 3. 按关键词搜索(标题或摘要) if keyword: # Q(title__icontains=...) | Q(summary__icontains=...):OR 组合 # icontains:大小写不敏感的包含查询 posts = posts.filter( Q(title__icontains=keyword) | Q(summary__icontains=keyword) ) # 4. 获取所有分类(用于渲染筛选导航) categories = Category.objects.all() context = { 'posts': posts, 'categories': categories, 'category_slug': category_slug, # 传给模板,用于高亮当前选中
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/14 3:51:47

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/13 13:31:48

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/14 3:51:43

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉