Django的Paginator分页器使用示例

简介: Django的Paginator分页器使用示例

代码示例

# -*- coding: utf-8 -*-

from django.core.paginator import Paginator, EmptyPage, PageNotAnInteger

book_list = ["语文", "数学", "英语", "生物", "音乐", "体育", "美术"]

paginator = Paginator(book_list, 2)  # 实例化出一个对象,每页两个元素

# 属性
print("count:", paginator.count)  # 数据总数 7
print("num_pages", paginator.num_pages)  # 总页数 4 = 7/2
print("page_range", paginator.page_range)  # 页码的列表 range(1, 5) = 1, 2, 3, 4

# 方法
page1 = paginator.page(1)  # 第1页的page对象
for i in page1:  # 遍历第1页的所有数据对象 语文 数学
    print(i)

print(page1.object_list)  # 第1页的所有数据  ['语文', '数学']

print(page1.has_next())  # 是否有下一页 True
print(page1.next_page_number())  # 下一页的页码 2
print(page1.has_previous())  # 是否有上一页  False
# print(page1.previous_page_number())  # 上一页的页码  EmptyPage

# 异常
page12 = paginator.get_page(12)  # 超过最大值不会报错,取最大页码
print(page12)
# <Page 4 of 4>

# page = paginator.page(12)  # error:EmptyPage


pagez = paginator.get_page("z")  # 传递非整数不会报错,取最小页码 第一页
print(pagez)
# <Page 1 of 4>

# page=paginator.page("z")   # error:PageNotAnInteger

如果配合model使用效率会很低,不推荐,适合小量数据处理

参考

Django的分页器实例(paginator)

Django使用内置分页器实现分页功能

            </div>
目录
相关文章
|
8天前
|
数据采集 人工智能 安全
|
17天前
|
云安全 监控 安全
|
3天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
291 164
|
2天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
298 155
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
233 113
|
11天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
798 6