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

Integrates SQLAlchemy with DataTables (framework Flask)

ویژگی	مقدار
سیستم عامل	-
نام فایل	flask_datatables-0.6.9
نام	flask_datatables
نسخه کتابخانه	0.6.9
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Dennis Durling
ایمیل نویسنده	djdtahoe@gmail.com
آدرس صفحه اصلی	https://github.com/tahoe/flask_datatables/
آدرس اینترنتی	https://pypi.org/project/flask_datatables/
مجوز	MIT

==================== Flask-restful only version of orf/datatables with Flask-restless style filtering ==================== Additional Functionality ------------ One thing I needed to do so that this would support our needs internally is to support arbitrary join depth to be able to do search and sort functionality on the results. With Orf's version, I was only able to order by or search on 2 levels deep of a query result. Now that level is arbitrary such that you can provide a column on say a Subnet table that is associated with a location through relations like subnet.vlan.switch.rack.location and make the location name filterable AND orderable with just "vlan__switch__rack__location__name" Installation ------------ The package is available on PyPI and is passing tests on Python 2.7, 3.3 and 3.4 Working on getting this on PyPI .. code-block:: bash pip install flask_datatables Usage ----- This is SUPER simple. In datatables I provide a function called get_resource that can be used to create a datatables api endpoint with full flask-restless style filtering built in. Additional data such as hyperlinks can be added via DataTable.add_data, which accepts a callable that is called for each instance. Check out the usage example below for more info. Example ------- **models.py** .. code-block:: python class User(Base): __tablename__ = 'users' id = Column(Integer, primary_key=True) full_name = Column(Text) created_at = Column(DateTime, default=datetime.datetime.utcnow) class Address(Base): __tablename__ = 'addresses' id = Column(Integer, primary_key=True) description = Column(Text) user_id = Column(Integer, ForeignKey('users.id')) user = relationship("User", backref=backref("address", uselist=False)) def __repr__(self): return "{}".format(self.description) **api.py** .. code-block:: python from model import Session, User, Address from datatables import * app = Flask(__name__) api = Api(app) # add User resource resource, path, endpoint = get_resource(Resource, User, Session, basepath="/") api.add_resource(resource, path, endpoint=endpoint) # add Address resource resource, path, endpoint = get_resource(Resource, Address, Session, basepath="/") api.add_resource(resource, path, endpoint=endpoint) if __name__ == '__main__': app.run(host='127.0.0.1', port=5001, debug=True)

نحوه نصب

نصب پکیج whl flask_datatables-0.6.9:

pip install flask_datatables-0.6.9.whl

نصب پکیج tar.gz flask_datatables-0.6.9:

pip install flask_datatables-0.6.9.tar.gz