معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

A simple auditing library intended for use with Flask-based applications

ویژگی	مقدار
سیستم عامل	-
نام فایل	auditing-0.0.9
نام	auditing
نسخه کتابخانه	0.0.9
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Emil Haldrup Eriksen
ایمیل نویسنده	emil.h.eriksen@gmail.com
آدرس صفحه اصلی	https://github.com/
آدرس اینترنتی	https://pypi.org/project/auditing/
مجوز	MIT

This library provides a simple interface for auditing of user actions in Flask-based web applications. ### Example To setup auditing, simply import the package and run the setup method with the appropriate arguments. As an example, let's consider a postgres database. First, spin up the database via docker docker run --name my-postgres -p 5432:5432 -d postgres Next, setup the connection to the database, import auditing args_to_postgres = dict(database="mydb", user="postgres", host="127.0.0.1") auditing.setup("postgres_auto", args=args_to_postgres) The special "postgres_auto" driver creates databases and tables dynamically. Furthermore, it extends tables when new data entries are added to the audit call. If this behaviour is not desired, simply use the "postgres" driver instead. Subsequently, auditing can be performed as from auditing import audit audit("mytag", a="some data", c="some other data", b=0, username="me") where "mytag" identifies the audit collection (in postgres sql it will map to the table name) while the following keyword arguments denotes the data. The current datetime is always appended unless overwritten via the "dt" argument. Querying the database docker exec -it my-postgres bash psql -U postgres \c mydb select * from mytag; now yields username | datetime | a | c | b ----------+----------------------------+-----------+-----------------+--- me | 2019-12-05 13:55:55.636742 | some data | some other data | 0 If the username is not provided, an attempt is made to extract it from the session context. If the user cannot be identified, the audit is cancelled. If the audit is made within a request context, the following data is appended * path, host, ip (from "X-Forwarded-For" header) [*] In addition to postgres, elastic search is supported. Other databases can also be used, simply inject a driver via the "inject_driver" method. #### Deployment Bump the version number in setup.py and run python3 setup.py sdist pip3 install twine twine upload dist/*

نحوه نصب

نصب پکیج whl auditing-0.0.9:

pip install auditing-0.0.9.whl

نصب پکیج tar.gz auditing-0.0.9:

pip install auditing-0.0.9.tar.gz