python使用Pycharm创建一个Django项目

yipeiwu_com5年前Python基础

本文为Django项目创建的简单介绍,更为详细的Django项目创建,可以参考如下教程:

Django入门与实践-/post/64109.htm

Pycharm 版本: Professional 2017.1

Django 版本: 1.8.7

在软件安装和环境配置完成后,打开Pycharm.

Step 1. 点击

File --> New Project 弹出如下窗口:


图中编号1处为项目位置;编号2处为使用的模板语言类型,默认为Django模板语言;编号3处是保存项目页面HTML的文件夹名称,默认为templates;编号4处是应用名,一般根据Web应用的实际功能来命名。本示例中,我们项目位置为E:\testDjango,应用名为fakeCSDN。设置填写完毕后,点击右下角的Create,创建项目。

Step 2. 了解创建后项目的项目文件结构创建成功后的界面如下图所示:


目录结构

  1. manage.py:一个命令行工具,可以使你用多种方式对Django项目进行交互
  2. 内层的目录:项目的真正的Python包
  3. _init _.py:一个空文件,它告诉Python这个目录应该被看做一个Python包
  4. settings.py:项目的配置
  5. urls.py:项目的URL声明
  6. wsgi.py:项目与WSGI兼容的Web服务器入口
  7. templates: 项目的html文件

可以看到,在项目根目录下,有三个文件夹:fakeCSDN, templates和testDjango,以及一个python脚本文件manage.py.

fakeCSDN 是我们创建的应用相关要素的文件夹,testDjango是我们整个Django项目相关元素的文件夹。也就是说,对于一个Django项目,与项目名相同的文件夹只能有一个,应用对应的文件夹则可以有多个。templates文件夹用来保存HTML模板。

manage.py 是系统自动生成的Django项目管理程序,Django项目创建和运行所需要的所有命令都能由这个脚本提供。如为项目创建数据库的makemigrations 和 migrate, 启动服务器的runserver等。在编程过程中,manage.py一般是不需要修改的。

fakeCSDN 和 testDjango所包含的内容大致相同。

fakeCSDN中,编程中常用的是migration文件夹、models.py和views.py。

  1. views.py 是Web应用后台的核心,定义了后台具体的响应动作和数据存取、操作动作的函数;
  2. models.py 是Web应用数据库的定义文件,以Python类的形式定义数据库中的各个表;
  3. migration文件夹 保存着models中的数据库表迁移之后的文件,一般不需要手工操作。

除了fakeCSDN中已有的文件之外,一般还需要新建一个urls.py文件,用来指定应用中出现的url所对应的响应函数。

testDjango中,常用的文件是setting.py 和 urls.py。 前者是项目的一些属性设置,如数据库连接、debug的方式等;后者同样是url映射关系。

Step 3. 编辑Web应用详细内容

Step 4. 配置Django Server并启动服务器点击图中所示绿色按钮,即可启动Web应用。


若未自动出现图示按钮,可以点击向下的灰色三角,选择 Edit Configurations ,弹出如下窗口通过1,2 两步添加一个新的Django Server,在3处输入服务器名称,在5处输入启动页面。点击OK即可。

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持【听图阁-专注于Python设计】。

相关文章

Python中的相关分析correlation analysis的实现

Python中的相关分析correlation analysis的实现

相关分析(correlation analysis) 研究两个或两个以上随机变量之间相互依存关系的方向和密切程度的方法。 线性相关关系主要采用皮尔逊(Pearson)相关系数r来度量连续...

Python pandas自定义函数的使用方法示例

本文实例讲述了Python pandas自定义函数的使用方法。分享给大家供大家参考,具体如下: 自定义函数的使用 import numpy as np import pandas a...

Python数据处理numpy.median的实例讲解

numpy模块下的median作用为: 计算沿指定轴的中位数 返回数组元素的中位数 其函数接口为: median(a, axis=None, out=None, overwri...

30秒轻松实现TensorFlow物体检测

Google发布了新的TensorFlow物体检测API,包含了预训练模型,一个发布模型的jupyter notebook,一些可用于使用自己数据集对模型进行重新训练的有用脚本。 使用该...

通过PYTHON来实现图像分割详解

程序思路: 此次程序主要是利用PIL(Python Image Libraty)这库,来进行图片的处理。 PIL是一个功能非常强大的python图像处理标准库,但由于PIL只支持pyth...