在 Django 專案中處理映像上傳時,可能會出現需要強制執行特定尺寸的情況,例如確保上傳的影像是矩形(而不是正方形)。這對於個人資料標題、橫幅或需要非方形格式的媒體特別有用。
在本文中,我們將使用 Django 驗證系統和 Pillow 函式庫逐步介紹一個簡單的解決方案。
先決條件
在實施解決方案之前,請確保安裝了以下相依性:
- Django(用於網路框架功能)
- 枕頭(用於影像處理)
如果您沒有安裝 Pillow,您可以使用以下方式添加它:
python -m pip install pillow
編寫驗證器
要驗證上傳的影像是否為長方形,我們需要檢查影像的寬度和高度。如果兩個尺寸相等,則表示圖像是正方形,我們將引發驗證錯誤。
這是自訂驗證器的程式碼:
from django.core.exceptions import ValidationError from PIL import Image def validate_rectangular_image(image): """ Validator to ensure an uploaded image is rectangular and not square. """ image = Image.open(image) # Open the uploaded image using Pillow width, height = image.size # Extract dimensions if width == height: # Check if image is square raise ValidationError("Uploaded image must be rectangular (not square).") return image
將驗證器與 Django 模型集成
要在 Django 應用程式中使用此驗證器,您可以將其新增至模型欄位。例如,假設您的模型中有一個用於使用者個人資料橫幅的 ImageField:
from django.db import models from .validators import validate_rectangular_image # Import the custom validator class Profile(models.Model): name = models.CharField(max_length=100) banner_image = models.ImageField( upload_to='banners/', validators=[validate_rectangular_image], help_text="Please upload a rectangular image for the banner." ) def __str__(self): return self.name
運作原理:
- 每當檔案上傳到banner_image欄位時,都會呼叫validate_rectangle_image函數。
- 如果圖像是正方形,則會引發 ValidationError,從而阻止保存檔案。
- 只有矩形圖片才會通過驗證並成功上傳。
處理表單中的驗證錯誤
如果您使用 Django 表單進行圖片上傳,當使用者提交無效圖像時,將會向使用者顯示錯誤。
例如,一個簡單的表單可能如下所示:
from django import forms from .models import Profile class ProfileForm(forms.ModelForm): class Meta: model = Profile fields = ['name', 'banner_image']
當使用者上傳方形圖片時,他們會看到錯誤訊息:
「上傳的影像必須是長方形(不是正方形)。」
測試驗證器
您可以嘗試上傳正方形和矩形圖像來測試功能。
方形影像(例如 300x300):
驗證器將拒絕該檔案並引發 ValidationError。矩形影像(例如 400x300):
驗證器將接受該文件,並且圖像將成功上傳。
最後的註釋
透過使用此方法,您可以在 Django 應用程式中無縫地強制執行圖片尺寸要求。 Pillow 庫可以輕鬆處理圖像大小,而 Django 的驗證系統可以讓您輕鬆整合自訂邏輯。
要點:
- 使用 Pillow 擷取影像尺寸。
- 當上傳的圖像不符合您的標準時引發驗證錯誤。
- 將驗證器整合到 Django 模型中以確保資料完整性。
透過結合 Django 和 Pillow,您可以創建強大且靈活的圖像上傳規則,從而提高 Web 應用程式的品質。
編碼愉快! ?
以上是如何使用 Python 驗證 Django 中的矩形圖像的詳細內容。更多資訊請關注PHP中文網其他相關文章!

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

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)

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

Python 對象的序列化和反序列化是任何非平凡程序的關鍵方面。如果您將某些內容保存到 Python 文件中,如果您讀取配置文件,或者如果您響應 HTTP 請求,您都會進行對象序列化和反序列化。 從某種意義上說,序列化和反序列化是世界上最無聊的事情。誰會在乎所有這些格式和協議?您想持久化或流式傳輸一些 Python 對象,並在以後完整地取回它們。 這是一種在概念層面上看待世界的好方法。但是,在實際層面上,您選擇的序列化方案、格式或協議可能會決定程序運行的速度、安全性、維護狀態的自由度以及與其他系

Python的statistics模塊提供強大的數據統計分析功能,幫助我們快速理解數據整體特徵,例如生物統計學和商業分析等領域。無需逐個查看數據點,只需查看均值或方差等統計量,即可發現原始數據中可能被忽略的趨勢和特徵,並更輕鬆、有效地比較大型數據集。 本教程將介紹如何計算平均值和衡量數據集的離散程度。除非另有說明,本模塊中的所有函數都支持使用mean()函數計算平均值,而非簡單的求和平均。 也可使用浮點數。 import random import statistics from fracti

在本教程中,您將從整個系統的角度學習如何處理Python中的錯誤條件。錯誤處理是設計的關鍵方面,它從最低級別(有時是硬件)一直到最終用戶。如果y

本文討論了諸如Numpy,Pandas,Matplotlib,Scikit-Learn,Tensorflow,Tensorflow,Django,Blask和請求等流行的Python庫,並詳細介紹了它們在科學計算,數據分析,可視化,機器學習,網絡開發和H中的用途

該教程建立在先前對美麗湯的介紹基礎上,重點是簡單的樹導航之外的DOM操縱。 我們將探索有效的搜索方法和技術,以修改HTML結構。 一種常見的DOM搜索方法是EX


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

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

SAP NetWeaver Server Adapter for Eclipse
將Eclipse與SAP NetWeaver應用伺服器整合。

Atom編輯器mac版下載
最受歡迎的的開源編輯器

mPDF
mPDF是一個PHP庫,可以從UTF-8編碼的HTML產生PDF檔案。原作者Ian Back編寫mPDF以從他的網站上「即時」輸出PDF文件,並處理不同的語言。與原始腳本如HTML2FPDF相比,它的速度較慢,並且在使用Unicode字體時產生的檔案較大,但支援CSS樣式等,並進行了大量增強。支援幾乎所有語言,包括RTL(阿拉伯語和希伯來語)和CJK(中日韓)。支援嵌套的區塊級元素(如P、DIV),

SecLists
SecLists是最終安全測試人員的伙伴。它是一個包含各種類型清單的集合,這些清單在安全評估過程中經常使用,而且都在一個地方。 SecLists透過方便地提供安全測試人員可能需要的所有列表,幫助提高安全測試的效率和生產力。清單類型包括使用者名稱、密碼、URL、模糊測試有效載荷、敏感資料模式、Web shell等等。測試人員只需將此儲存庫拉到新的測試機上,他就可以存取所需的每種類型的清單。