django 初体验IV--模板语法

本文深入讲解了模板语法的两种表达方式:{{}

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

模板语法两种表达:
一、{{ }} 变量:
1.深度查询 “.”
"."可以取出对象的属性进行前端显示
eg. 在views中:
def test(request):
list1 = [1,12,123]
info = {name: andy , age : 99}

return render(request, “*.html”, locals()) #locals()将当前函数的局部变量全部传进html ,无需单个对象传递
在html中:
< p> list. 1< /p> 取list中的第2个元素值
< p> info. name< /p> 取字典中key=name 的value
2. 过滤器 “|” 管道符
“|” 对渲染的页面做一些条件过滤
eg. 在html中
< p> {{ now | date : “Y-M-D” }} < /p> 将得到的系统时间 now对象 按照date过滤器的格式 在渲染过程中过滤显示为“年-月-日” 的形式
很多内置的过滤器 参见相关文件
还可以自定义过滤器 待学习

二、{% %} 标签
for 循环:
{% for learning in learnings %}

  • {{ learning.b_name }}

  • {% endfor %}
    if 语句
    {% if 条件 %}
    < p> < /p>
    {% else 条件 %}
    < p> < /p>
    {% endif %}
    with 语句#某方法重复使用时简化 类似 import as
    {% with 方法 as n %}
    {{ n }}
    {% end with %}
    csrf token #可以通过csrf的校验 生产一个token 同时提交给服务器 post 可以通过
    {% csrf_token %}

    三、模板语法–自定义标签和过滤器
    1.自定义过滤器
    1.1在app中增加文件夹 templatetags
    1.2添加py文件,定义filter函 例如py文件名为
    my_f_t.py
    from django import template
    register = template.library()

    @register.filter #装饰器 乘法过滤器
    def mul_filter(a,b)
    return ab
    1.3 在相应的html文件中 导入过滤器文件并应用
    {% load my_f_t %}
    {{ i | mul_filter : 100 }}#实现 i
    100 显示
    1.4 过滤器形式只能传两个形参,可以在html文件中应用到if 等逻辑判断的语句中

    2.自定义标签
    2.1在app中增加文件夹 templatetags
    2.2添加py文件,定义filter函 例如py文件名为
    my_f_t.py
    from django import template
    register = template.library()

    @register.simple_tag #装饰器 乘法标签
    def mul_tag(a,b)
    return ab
    2.3 在相应的html文件中 导入过滤器文件并应用
    {% load my_f_t %} #与导入过滤器相同
    {% mul_tag 2 100 20 %}#实现 2
    100*20 显示
    2.4 自定义标签 可以传多个参数,在传参计算的方法上灵活,一般不用于if等逻辑判断中

    四、模板语法–继承
    1.include 方法 在html 中插入代码的方式
    {% include “*.html” %}
    2.{% extend ‘base.html’%} #通常模板html 命名base 继承的模板文件base.html
    2.1 继承的语句必须在html的首行
    2.2 base模板中包含的可扩写的盒子越多越好
    {% block %}
    context
    {% end block %}
    2.3 给盒子命名 可以有效的管理继承过程中的盒子
    {% block con %}
    context
    {% end block con %}
    2.4 block.super 可继承模板中block的内容 例如命名为con 并对应
    {% block con %}
    {{ block.super }}
    context
    {% end block con %}

分数阶傅里叶变换(Fractional Fourier Transform, FRFT)是对传统傅里叶变换的拓展,它通过非整数阶的变换方式,能够更有效地处理非线性信号以及涉及时频局部化的问题。在信号处理领域,FRFT尤其适用于分析非平稳信号,例如在雷达、声纳和通信系统中,对线性调频(Linear Frequency Modulation, LFM)信号的分析具有显著优势。LFM信号是一种频率随时间线性变化的信号,因其具有宽频带和良好的时频分辨率,被广泛应用于雷达和通信系统。FRFT能够更精准地捕捉LFM信号的时间和频率信息,相比普通傅里叶变换,其性能更为出色。 MATLAB是一种强大的数值计算和科学计算工具,拥有丰富的函数库和用户友好的界面。在MATLAB中实现FRFT,通常需要编写自定义函数或利用信号处理工具箱中的相关函数。例如,一个名为“frft”的文件可能是用于执行分数阶傅里叶变换的MATLAB脚本或函数,并展示其在信号处理中的应用。FRFT的正确性验证通常通过对比变换前后信号的特性来完成,比如评估信号的重构质量、信噪比等。具体而言,可以通过计算原始信号与经过FRFT处理后的信号之间的相似度,或者对比LFM信号的关键参数(如初始频率、扫频率和持续时间)是否在变换后得到准确恢复。 在MATLAB代码实现中,通常包含以下步骤:首先,生成LFM信号模型,设定其初始频率、扫频率、持续时间和采样率等参数;其次,利用自定义的frft函数对LFM信号进行分数阶傅里叶变换;接着,使用MATLAB的可视化工具(如plot或imagesc)展示原始信号的时域和频域表示,以及FRFT后的结果,以便直观对比;最后,通过计算均方误差、峰值信噪比等指标来评估FRFT的性能。深入理解FRFT的数学原理并结合MATLAB编程技巧,可以实现对LFM信号的有效分析和处理。这个代码示例不仅展示了理论知识在
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值