使用 HTMX 和 Django 建立待辦事項應用程序,部分無限滾動
這是該系列的第 7 部分,我將在其中記錄我使用 Django 學習 HTMX 的過程,其中我們將按照 HTMX 的文檔來實現待辦事項的無限滾動功能。
如果您想查看該系列的其餘部分,請查看 dev.to/rodbv 以獲得完整清單。
更新部分模板以載入多個項目
當我們實作無限滾動時,我們將必須傳回幾個待辦事項(專案的下一個「頁面」)並將它們載入到我們目前擁有的部分範本中。這意味著稍微改變我們的部分範本的組成方式;目前的設定如下圖所示,其中部分範本負責渲染單一待辦事項:
我們想要反轉順序,讓部分圍繞 for 迴圈:
讓我們在範本 core/templates/index.html 中執行交換:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 |
|
檢查內容的測試仍然通過,而且頁面看起來相同,因此我們很好地實現無限滾動本身。
實現無限滾動
在模板上,我們需要向/tasks 設定一個hx-get 請求,其中hx-trigger="revealed" ,這意味著只有當元素即將進入螢幕上可見時才會觸發GET 請求;這意味著我們希望將其設定在清單中最後一個元素之後,並且我們還需要指示要載入哪個「頁面」資料。在我們的例子中,我們將一次顯示 20 個項目。
讓我們相應地更改模板:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 |
|
上面的程式碼已經做了改動,就是按照最新的待辦事項優先排序;既然我們期望有一個很長的列表,那麼在底部添加新項目並將其與無限滾動混合是沒有意義的- 新項目最終將混合在清單的中間。
我們現在需要區分常規 GET 請求和 HTMX 請求,為此我們將只傳回待辦事項清單和部分範本。有一個名為django-htmx 的函式庫,它非常方便,因為它使用request.htmx 等屬性和所有hx-* 屬性的值擴展了請求參數,但目前這有點過分了;現在讓我們檢查HTMX 標頭,並使用Django 分頁器處理分頁。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 |
|
我們做的第一件事是檢查頁面參數,如果不存在則將其設為 1。
我們檢查請求中的 HX-Request 標頭,這將告知我們傳入的請求是否來自 HTMX,並讓我們相應地返回部分模板或完整模板。
這段程式碼肯定需要一些測試,但在此之前讓我們先嘗試一下。看看網路工具,當頁面滾動時如何觸發請求,直到到達最後一頁。您還可以看到動畫「正在載入」圖示短暫顯示;我已將網路速度限制為 4g,以使其可見時間更長。
添加測試
最後,我們可以新增一個測驗來確保分頁能如預期運作
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 |
|
現在就這樣了!這是迄今為止我使用 HTMX 遇到的最有趣的事情。這篇文章的完整程式碼在這裡。
對於下一篇文章,我正在考慮使用 AlpineJS 新增一些客戶端狀態管理,或新增「截止日期」功能。再見!
以上是使用 HTMX 和 Django 建立待辦事項應用程序,部分無限滾動的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

本教程演示如何使用Python處理Zipf定律這一統計概念,並展示Python在處理該定律時讀取和排序大型文本文件的效率。 您可能想知道Zipf分佈這個術語是什麼意思。要理解這個術語,我們首先需要定義Zipf定律。別擔心,我會盡量簡化說明。 Zipf定律 Zipf定律簡單來說就是:在一個大型自然語言語料庫中,最頻繁出現的詞的出現頻率大約是第二頻繁詞的兩倍,是第三頻繁詞的三倍,是第四頻繁詞的四倍,以此類推。 讓我們來看一個例子。如果您查看美國英語的Brown語料庫,您會注意到最頻繁出現的詞是“th

Python 提供多種從互聯網下載文件的方法,可以使用 urllib 包或 requests 庫通過 HTTP 進行下載。本教程將介紹如何使用這些庫通過 Python 從 URL 下載文件。 requests 庫 requests 是 Python 中最流行的庫之一。它允許發送 HTTP/1.1 請求,無需手動將查詢字符串添加到 URL 或對 POST 數據進行表單編碼。 requests 庫可以執行許多功能,包括: 添加表單數據 添加多部分文件 訪問 Python 的響應數據 發出請求 首

本文解釋瞭如何使用美麗的湯庫來解析html。 它詳細介紹了常見方法,例如find(),find_all(),select()和get_text(),以用於數據提取,處理不同的HTML結構和錯誤以及替代方案(SEL)

處理嘈雜的圖像是一個常見的問題,尤其是手機或低分辨率攝像頭照片。 本教程使用OpenCV探索Python中的圖像過濾技術來解決此問題。 圖像過濾:功能強大的工具圖像過濾器

PDF 文件因其跨平台兼容性而廣受歡迎,內容和佈局在不同操作系統、閱讀設備和軟件上保持一致。然而,與 Python 處理純文本文件不同,PDF 文件是二進製文件,結構更複雜,包含字體、顏色和圖像等元素。 幸運的是,借助 Python 的外部模塊,處理 PDF 文件並非難事。本文將使用 PyPDF2 模塊演示如何打開 PDF 文件、打印頁面和提取文本。關於 PDF 文件的創建和編輯,請參考我的另一篇教程。 準備工作 核心在於使用外部模塊 PyPDF2。首先,使用 pip 安裝它: pip 是 P

本教程演示瞭如何利用Redis緩存以提高Python應用程序的性能,特別是在Django框架內。 我們將介紹REDIS安裝,Django配置和性能比較,以突出顯示BENE

自然語言處理(NLP)是人類語言的自動或半自動處理。 NLP與語言學密切相關,並與認知科學,心理學,生理學和數學的研究有聯繫。在計算機科學

本文比較了Tensorflow和Pytorch的深度學習。 它詳細介紹了所涉及的步驟:數據準備,模型構建,培訓,評估和部署。 框架之間的關鍵差異,特別是關於計算刻度的
