Django は Angular の POST データを解析します
Django と Angular を使用する過程で、Angular が Django にデータを POST する際に問題が発生しました。
// Angular $http({ url: "myviews", method: "POST", data: {'text': 'hello world', 'date': '2017-01-04'} })
# Django def myviews(request): print request.POST print request.body
上記は
<QueryDict: {}> u"{'text': 'hello world', 'date': '2017-01-04'}"
を出力し、この結果が期待されます
<QueryDict: {u'text': u'hello world', u'date': u'2017-01-04'}> u"{'text': 'hello world', 'date': '2017-01-04'}"
この問題は、Angular によって送信されるデフォルトのデータ形式が urlencode code> ではなく <code>JSON
であるために発生します。また、Django の request.POST
は JSON
を解析できないため、上記の結果が表示されます。 JSON
而不是urlencode
,而Django的request.POST
无法解析JSON
,所以才会出现上面的结果。
解决的办法有很多,最简单粗暴的办法就是在每个视图函数里面都将request.body
进行解析
def myviews(request): data = urlencode(json.loads(request.body)) q_data = QueryDict(data)
我们可以把这类操作提取出来,写成Middlerware
,在request
请求到达视图函数之前就给统一处理好
class JSONMiddleware(object): """ Process application/json requests data from GET and POST requests. """ def process_request(self, request): if 'application/json' in request.META['CONTENT_TYPE']: data = json.loads(request.body) q_data = QueryDict('', mutable=True) for key, value in data.iteritems(): if isinstance(value, list): for x in value: q_data.update({key: x}) else: q_data.update({key: value}) if request.method == 'GET': request.GET = q_data if request.method == 'POST': request.POST = q_data return None
因为有的request
请求当中没有CONTENT-TYPE
这个Header
,所以我们需要判断一下,之所以不简单的转化成Dict
而是QueryDict
是因为遵循一致性的原则,我们想要将结果绑定在request.GET
或者request.POST
上面,而它们都是QueryDict
类型。QueryDict
和Dict
最大的区别是QueryDict
将每个value
存在列表当中,并且QueryDict
是不可修改类型。所以当value
是列表时我们也必须做一下判断,否则整个列表将作为一个元素存入QueryDict
request.body
を解析することです
a = {"a": [123, 456, 444], "b": 456} # 不做判断 data = QueryDict('', mutable=True) for k, v in a.iteritems(): data.update({k: v}) print data # 做判断 data = QueryDict('' mutable=True) for k, v in a.iteritems(): if isinstance(v, list): for x in value: data.update({k: x}) else: data.update({k: v}) print data
Middlerware
として記述することができます。 >、一部の request
リクエストには CONTENT-TYPE code>この <code> がないため、ビュー関数に到達する前に <code>request
リクエストを均一に処理します
<QueryDict: {u'a': [[123, 456, 444]], u'b': [456]}> <QueryDict: {u'a': [123, 456, 444], u'b': [456]}>
>Header であるため、単純に
Dict
ではなく QueryDict
に変換するのは、一貫性の原則に従うためです。 . の場合、結果を request.GET
または request.POST
にバインドします。これらは両方とも QueryDict
タイプです。 QueryDict
と Dict
の最大の違いは、QueryDict
は各 value
をリストに保存し、QueryDict> であることです。 は変更できないタイプです。したがって、<code>value
がリストの場合も判断する必要があります。そうでない場合は、リスト全体が QueryDict
のリスト内の 1 つの要素として保存されます。 れぇぇぇぇぇ
Django による Angular の POST データの解析に関連するその他の記事については、PHP 中国語 Web サイトに注目してください。
🎜🎜🎜🎜🎜
ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











このチュートリアルでは、Pythonを使用してZIPFの法則の統計的概念を処理する方法を示し、法律の処理時にPythonの読み取りおよび並べ替えの効率性を示します。 ZIPF分布という用語が何を意味するのか疑問に思うかもしれません。この用語を理解するには、まずZIPFの法律を定義する必要があります。心配しないでください、私は指示を簡素化しようとします。 ZIPFの法則 ZIPFの法則は単に意味します。大きな自然言語のコーパスでは、最も頻繁に発生する単語は、2番目の頻繁な単語のほぼ2倍の頻度で表示されます。 例を見てみましょう。アメリカ英語の茶色のコーパスを見ると、最も頻繁な言葉は「thであることに気付くでしょう。

この記事では、Pythonライブラリである美しいスープを使用してHTMLを解析する方法について説明します。 find()、find_all()、select()、およびget_text()などの一般的な方法は、データ抽出、多様なHTML構造とエラーの処理、および代替案(SEL

ノイズの多い画像を扱うことは、特に携帯電話や低解像度のカメラの写真でよくある問題です。 このチュートリアルでは、OpenCVを使用してPythonの画像フィルタリング手法を調査して、この問題に取り組みます。 画像フィルタリング:強力なツール 画像フィルター

PDFファイルは、クロスプラットフォームの互換性に人気があり、オペレーティングシステム、読み取りデバイス、ソフトウェア間でコンテンツとレイアウトが一貫しています。ただし、Python Plansing Plain Text Filesとは異なり、PDFファイルは、より複雑な構造を持つバイナリファイルであり、フォント、色、画像などの要素を含んでいます。 幸いなことに、Pythonの外部モジュールでPDFファイルを処理することは難しくありません。この記事では、PYPDF2モジュールを使用して、PDFファイルを開き、ページを印刷し、テキストを抽出する方法を示します。 PDFファイルの作成と編集については、私からの別のチュートリアルを参照してください。 準備 コアは、外部モジュールPYPDF2を使用することにあります。まず、PIPを使用してインストールします。 ピップはpです

このチュートリアルでは、Redisキャッシングを活用して、特にDjangoフレームワーク内でPythonアプリケーションのパフォーマンスを向上させる方法を示しています。 Redisのインストール、Django構成、およびパフォーマンスの比較をカバーして、Beneを強調します

この記事では、深い学習のためにTensorflowとPytorchを比較しています。 関連する手順、データの準備、モデルの構築、トレーニング、評価、展開について詳しく説明しています。 特に計算グラップに関して、フレームワーク間の重要な違い

データサイエンスと処理のお気に入りであるPythonは、高性能コンピューティングのための豊富なエコシステムを提供します。ただし、Pythonの並列プログラミングは、独自の課題を提示します。このチュートリアルでは、これらの課題を調査し、グローバルな承認に焦点を当てています

このチュートリアルでは、Python 3にカスタムパイプラインデータ構造を作成し、機能を強化するためにクラスとオペレーターのオーバーロードを活用していることを示しています。 パイプラインの柔軟性は、一連の機能をデータセットに適用する能力にあります。
