Django는 Angular의 POST 데이터를 구문 분석합니다.
Django와 Angular를 사용하는 과정에서 Angular POST 데이터를 Django로 보내는 문제가 발생했습니다.
// Angular $http({ url: "myviews", method: "POST", data: {'text': 'hello world', 'date': '2017-01-04'} })
# Django def myviews(request): print request.POST print request.body
위의 내용은
<QueryDict: {}> u"{'text': 'hello world', 'date': '2017-01-04'}"
를 인쇄하고 이 결과를 기대합니다.
<QueryDict: {u'text': u'hello world', u'date': u'2017-01-04'}> u"{'text': 'hello world', 'date': '2017-01-04'}"
이 문제는 Angular에서 보낸 기본 데이터 형식이 JSON
이고 , Django의 urlencode
는 request.POST
을 파싱할 수 없으므로 위와 같은 결과가 나타납니다. JSON
def myviews(request): data = urlencode(json.loads(request.body)) q_data = QueryDict(data)
request.body
를 구문 분석하는 것입니다. 이러한 유형의 작업을 추출하여 로 작성할 수 있습니다. 요청이 보기 기능에 도달하기 전에 균일하게 Middlerware
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
request
처리됩니다. 일부 요청에는 이 request
가 없기 때문에 왜 간단하지 않은지 판단해야 합니다. 일관성 원칙에 따라 결과를 CONTENT-TYPE
또는 Header
에 바인딩하려고 하는데 둘 다 Dict
유형이므로 QueryDict
대신 request.GET
으로 변환됩니다. request.POST
과 QueryDict
의 가장 큰 차이점은 QueryDict
는 각 Dict
을 리스트로 저장하고, QueryDict
은 수정이 불가능한 타입이라는 점입니다. 그래서 value
이 리스트인 경우에도 판단을 내려야 합니다. 그렇지 않으면 전체 리스트가 QueryDict
리스트의 한 요소로 저장됩니다. value
아아아아아아아QueryDict
Angular의 게시물 데이터 관련 기사에 대한 더 많은 Django 분석을 보려면 PHP 중국어 웹사이트를 팔로우하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











이 튜토리얼은 Python을 사용하여 Zipf의 법칙의 통계 개념을 처리하는 방법을 보여주고 법을 처리 할 때 Python의 읽기 및 대형 텍스트 파일을 정렬하는 효율성을 보여줍니다. ZIPF 분포라는 용어가 무엇을 의미하는지 궁금 할 것입니다. 이 용어를 이해하려면 먼저 Zipf의 법칙을 정의해야합니다. 걱정하지 마세요. 지침을 단순화하려고 노력할 것입니다. Zipf의 법칙 Zipf의 법칙은 단순히 : 큰 자연어 코퍼스에서 가장 자주 발생하는 단어는 두 번째 빈번한 단어, 세 번째 빈번한 단어보다 세 번, 네 번째 빈번한 단어 등 4 배나 자주 발생합니다. 예를 살펴 보겠습니다. 미국 영어로 브라운 코퍼스를 보면 가장 빈번한 단어는 "TH입니다.

이 기사에서는 HTML을 구문 분석하기 위해 파이썬 라이브러리 인 아름다운 수프를 사용하는 방법을 설명합니다. 데이터 추출, 다양한 HTML 구조 및 오류 처리 및 대안 (SEL과 같은 Find (), find_all (), select () 및 get_text ()와 같은 일반적인 방법을 자세히 설명합니다.

이 기사는 딥 러닝을 위해 텐서 플로와 Pytorch를 비교합니다. 데이터 준비, 모델 구축, 교육, 평가 및 배포와 관련된 단계에 대해 자세히 설명합니다. 프레임 워크, 특히 계산 포도와 관련하여 주요 차이점

파이썬 객체의 직렬화 및 사막화는 사소한 프로그램의 주요 측면입니다. 무언가를 Python 파일에 저장하면 구성 파일을 읽거나 HTTP 요청에 응답하는 경우 객체 직렬화 및 사태화를 수행합니다. 어떤 의미에서, 직렬화와 사제화는 세계에서 가장 지루한 것들입니다. 이 모든 형식과 프로토콜에 대해 누가 걱정합니까? 일부 파이썬 객체를 지속하거나 스트리밍하여 나중에 완전히 검색하려고합니다. 이것은 세상을 개념적 차원에서 볼 수있는 좋은 방법입니다. 그러나 실제 수준에서 선택한 직렬화 체계, 형식 또는 프로토콜은 속도, 보안, 유지 보수 상태 및 프로그램의 기타 측면을 결정할 수 있습니다.

Python의 통계 모듈은 강력한 데이터 통계 분석 기능을 제공하여 생물 통계 및 비즈니스 분석과 같은 데이터의 전반적인 특성을 빠르게 이해할 수 있도록 도와줍니다. 데이터 포인트를 하나씩 보는 대신 평균 또는 분산과 같은 통계를보고 무시할 수있는 원래 데이터에서 트렌드와 기능을 발견하고 대형 데이터 세트를보다 쉽고 효과적으로 비교하십시오. 이 튜토리얼은 평균을 계산하고 데이터 세트의 분산 정도를 측정하는 방법을 설명합니다. 달리 명시되지 않는 한,이 모듈의 모든 함수는 단순히 평균을 합산하는 대신 평균 () 함수의 계산을 지원합니다. 부동 소수점 번호도 사용할 수 있습니다. 무작위로 가져옵니다 수입 통계 Fracti에서

이 튜토리얼에서는 전체 시스템 관점에서 Python의 오류 조건을 처리하는 방법을 배웁니다. 오류 처리는 설계의 중요한 측면이며 최종 사용자까지 가장 낮은 수준 (때로는 하드웨어)에서 교차합니다. y라면

이 기사는 Numpy, Pandas, Matplotlib, Scikit-Learn, Tensorflow, Django, Flask 및 요청과 같은 인기있는 Python 라이브러리에 대해 설명하고 과학 컴퓨팅, 데이터 분석, 시각화, 기계 학습, 웹 개발 및 H에서의 사용에 대해 자세히 설명합니다.

이 튜토리얼은 간단한 나무 탐색을 넘어서 DOM 조작에 중점을 둔 아름다운 수프에 대한 이전 소개를 바탕으로합니다. HTML 구조를 수정하기위한 효율적인 검색 방법과 기술을 탐색하겠습니다. 일반적인 DOM 검색 방법 중 하나는 EX입니다
