اذهب إلى المحتوى

Zeina Almakdisi

الأعضاء
 عرض الملف الشخصي  تصفح المحتوى

  • المساهمات

    168

  • تاريخ الانضمام

  • تاريخ آخر زيارة

 نوع المحتوى 

ريادة الأعمال

البرمجة

التصميم

DevOps

التسويق والمبيعات

العمل الحر

البرامج والتطبيقات

آخر التحديثات

قصص نجاح

أسئلة وأجوبة

كتب

دورات

أجوبة بواسطة Zeina Almakdisi

  2. لاتظهر حسابات المستخدمين في المربع بالرغم من ربطها

    في بايثون

    نشر · تم التعديل في بواسطة عمار معلا
    تحسين مشاهدة الكود

    مرحبا اقوم بانشاء صفحة شخصية لكل موظف باستخدام 
    Django Api لكن لدي مشكلة هو عند تعبئة بيانات الموظف لاتظهر في مربع اختيار user
     اسماء المستخدمين الذي تم انشاء حسابات لهم علما انني استخدم User الذي تم انشاؤه تلقائيا في دجانغو (الصورة للتوضيح) 

    class Employee(models.Model):
    id = models.IntegerField(primary_key=True)
    user = models.OneToOneField(User, on_delete=models.CASCADE)
    name = models.CharField(max_length=255)
    age = models.IntegerField()
    gender = models.CharField(max_length=255)
    image = models.CharField(max_length=255)
    departmentId = models.ForeignKey('Department', on_delete=models.CASCADE)  
    securityServer = models.ForeignKey('SecurityServer', on_delete=models.CASCADE)


////////////////////////////////
from .serializer import UserSerializer,EmployeeSerializer
from django.db import connections
from rest_framework import serializers
from rest_framework.response import Response

class EmployeeAPIView(APIView):
    permission_classes = [permissions.IsAuthenticated]

    def get(self, request):
        user = self.request.useruser = self.request.user
        employees = Employee.objects.filter(user=user)
        # employees = Employee.objects.all()
        serializer = EmployeeSerializer(employees, many=True)
        return Response(serializer.data)


//////////////////////////////////////

from rest_framework import serializers

class EmployeeSerializer(serializers.ModelSerializer):
    user = serializers.PrimaryKeyRelatedField(queryset=User.objects.all())

    class Meta:
        model = Employee
        fields = '__all__'


class EmployeeAPIView(APIView):
    permission_classes = [permissions.IsAuthenticated]

    def get(self, request):
        
        employees = Employee.objects.all()
        serializer = EmployeeSerializer(employees, many=True)
        return Response(serializer.data)

    1.jpg

  3. تفعيل خدمة الدفع الالكتروني ضمن مشروع دجانغو

    في بايثون

    نشر

    مرحبا 

    ضمن مشروع دجانغو احتاج الى تفعيل خدمة الدفع الالكتروني apple pay 

    اذا كنت املك IBAN هل احتاج الدخول للموقع الرسمي والتسجيل 

    او فقط استخدم رقم IBAN مباشرة؟ 

    واحتاج الى معلومات اكثر عن خطوات تفعيل ابل باي 

    • أعجبني 1

  4. استخدام اكثر من سيرفر ضمن مشروع جامعي

    في أسئلة DevOps

    نشر · تم التعديل في بواسطة Zeina Almakdisi

    بتاريخ 4 ساعة قال عمر قره محمد:

    نعم بالتأكيد يوجد مواقع تدعم هذه الفكرة وهنالك الكثير من المواقع تعميل على أكثر من سيرفر (سيرفر لقواعد البيانات وآخر للصور والملفات واحياناً يكون هنالك واحد للـ frontend وآخر للـ backend ..إلخ).

    وعدد السيرفرات يعتمد على حجم الموقع واحتياجاته وغالب المشاريع البسيطة إلى المتوسطة ستحتاج لخادم واحد عادةً بالإضافة لخوادم الطرف الثالث إذا كان هنالك أي منها.

     

    شكرا

    هل يمكنك اقتراح بعض المواقع؟ 

    • أعجبني 1

  6. AttributeError: 'numpy.ndarray' object has no attribute 'split'

    في بايثون

    نشر

    بتاريخ 11 ساعة قال Mustafa Suleiman:

    أنتِ تستخدمين مصفوفة NumPy لـ image_path، ومصفوفات NumPy ليس لديها خاصية split().

    لذلك، عليك تحويل image_path إلى سلسلة نصية قبل استخدامها في str.split() كالتالي: 

    image_path = str(image_path)
output_image_path = "object-detection-" + image_path.split('.')[0] + ".jpg"

    من أجل تحويل image_path إلى سلسلة نصية، ثم سيستخدمها str.split() لإنشاء سلسلة جديدة تتكون من اسم الملف بدون الامتداد.

    وسبب ظهور الخطأ الثاني هو أنّك تحاولين استخدام cv2.imwrite() لكتابة مصفوفة NumPy كصورة، في الوقت الذي تتوقع فيه cv2.imwrite() إشارة OpenCV UMat كصورة، عليك إجراء التعديل التالي: 

    image = cv2.imread(image_path)
cv2.imwrite(output_image_path, image)

    حتى يتم قراءة الصورة من image_path إلى إشارة OpenCV UMat ثم سيستخدم cv2.imwrite() تلك الإشارة لكتابة الصورة إلى ملف.

    شكرا لك 

    بعد تطبيق التعديلات ظهر الخطأ التالي

        cv2.imwrite(output_image_path, image)
    cv2.error: OpenCV(4.8.0) D:\a\opencv-python\opencv-python\opencv\modules\imgcodecs\src\loadsave.cpp:787: error: (-215:Assertion failed) !_img.empty() in function 'cv::imwrite'

     

    علما أنه عند طباعة 

        print(image_path)     يظهر الخرج على شكل مصفوفات 

        image = cv2.imread(image_path)

        print(image)   يظهر الخرج none فقط

        cv2.imwrite(output_image_path, image)

  7. AttributeError: 'numpy.ndarray' object has no attribute 'split'

    في بايثون

    نشر · تم التعديل في بواسطة Zeina Almakdisi

    مرحبا...

    يظهر الخطأ التالي : 

      output_image_path = "object-detection-" +image_path.split('.')[0] + ".jpg"
    AttributeError: 'numpy.ndarray' object has no attribute 'split'

    في الجزء من الكود: 

       output_image_path = "object-detection-" +image_path.split('.')[0] + ".jpg"
    cv2.imwrite(output_image_path, image)
    cv2.destroyAllWindows()

    وعند تحويل image_path الى سلسلة نصية str(image_path)

    يظهر الخطأ التالي:

    cv2.error: OpenCV(4.8.0): -1 :   error: (-5:Bad argument) in function 'imwrite'
    > Overload resolution failed:
    >  - img is not a numpy array, neither a scalar

    >  - Expected Ptr<cv::UMat> for argument 'img'

    جربت العديد من الحلول ولم ينجح :( 

  8. محاولة تعديل الكود ليصبح قادر على معالجة أكثر من صورة

    في بايثون

    نشر

    بتاريخ 57 دقائق مضت قال Mustafa Suleiman:

    لتتمكنين من معالجة أكثر من صورة مدخلة وحفظها، عليك إجراء التغييرات التالية:

    1. في حلقة for image_path in args['images']:، عليك إنشاء كائن image جديد لكل مسار صورة.
    2. بعد استدعاء دالة video_detector()، قومي بحفظ الصورة الناتجة إلى ملف جديد باسم فريد باستخدام متغير image_path لإنشاء اسم فريد لكل صورة ناتجة. 
    import cv2
from pathlib import Path
import pafy
import argparse
import numpy as np


classesf="yolov3.txt"
weights="yolov3.weights"
config="yolov3.cfg"
scale=0.00392
classes=None

with open(classesf,'r') as f:
    classes=[line.strip() for line in f.readlines()]
COLORS =np.random.uniform(0,255,size=(len(classes),3))
net=cv2.dnn.readNet(weights,config)


  ############################################التعديل هنا لادخال الصور
ap = argparse.ArgumentParser()
ap.add_argument('-i', '--images',nargs='+', default=["sam.jpg"], 
                help = 'path to input image')
ap.add_argument('-c', '--config', default="yolov3.cfg",
                help = 'path to yolo config file')
ap.add_argument('-w', '--weights', default="yolov3.weights",
                help = 'path to yolo pre-trained weights')
ap.add_argument('-cl', '--classes', default="yolov3.txt",
                help = 'path to text file containing class names')


args =vars(ap.parse_args())

for image_path in args['images']:
    image = cv2.imread(image_path)

    # Call the video_detector() function
    video_detector(image)

    # Save the output image to a new file with a unique name
    output_image_path = "object-detection-" + image_path.split('.')[0] + ".jpg"
    cv2.imwrite(output_image_path, image)

    وما قمت به هو:

    • إنشاء حلقة for لمعالجة كل صورة مدخلة.
    • إنشاء كائن image جديد لكل صورة مدخلة.
    • استدعاء دالة video_detector() لمعالجة الصورة الحالية.
    • حفظ الصورة الناتجة إلى ملف جديد باسم فريد.

    لإنشاء اسم فريد للصورة الناتجة، قمت باستخدام متغير image_path لفصل اسم الصورة عن امتدادها ثم قمت بإضافة بادئة "object-detection-" إلى اسم الصورة الأساسي.

    والآن ما عليك سوى تمرير مسارات الصور المدخلة كوسائط إلى البرنامج، أي لمعالجة الصور sam.jpg و cat.jpg، ستقومين بتشغيل الأمر التالي: 

    python object_detection.py -i sam.jpg cat.jpg

    وذلك من أجل إنشاء صورتين، object-detection-sam.jpg و object-detection-cat.jpg، والتي ستحتوي على الكائنات المكتشفة في كل صورة.

     شكرا لك قمت بتطبيق الخطوات 

    اصبح يظهر الخطأ التالي 

    image = cv2.imread(image_path)
    TypeError: Can't convert object to 'str' for 'filename'

    يشير الى : 

    def video_detector(image_path):
    while True:
        image = cv2.imread(image_path)#################### هنااا
        Width = image.shape[1]
        Height = image.shape[0]

     

  9. محاولة تعديل الكود ليصبح قادر على معالجة أكثر من صورة

    في بايثون

    نشر

    مرحبا..

    اعمل على خوارزمية yolov3 لاكتشاف الاشياء 

    احاول تعديل الكود ليصبح قادر على معالجة أكثر من صورة مدخلة وحفظهم 

    وضعت تعليقات لتوضيح مكان الخطأ 

    
import cv2
from pathlib import Path
import pafy
import argparse
import numpy as np


classesf="yolov3.txt"
weights="yolov3.weights"
config="yolov3.cfg"
scale=0.00392
classes=None

with open(classesf,'r') as f:
    classes=[line.strip() for line in f.readlines()]
COLORS =np.random.uniform(0,255,size=(len(classes),3))
net=cv2.dnn.readNet(weights,config)


  ############################################التعديل هنا لادخال الصور
ap = argparse.ArgumentParser()
ap.add_argument('-i', '--images',nargs='+', default=["sam.jpg"], 
                help = 'path to input image')
ap.add_argument('-c', '--config', default="yolov3.cfg",
                help = 'path to yolo config file')
ap.add_argument('-w', '--weights', default="yolov3.weights",
                help = 'path to yolo pre-trained weights')
ap.add_argument('-cl', '--classes', default="yolov3.txt",
                help = 'path to text file containing class names')


args =vars(ap.parse_args())

for image_path in args['images']:
    image = cv2.imread('Images/frame*.jpg')
####################################################################
def get_output_layers(net):
    
    layer_names = net.getLayerNames()
    try:
        output_layers = [layer_names[i - 1] for i in net.getUnconnectedOutLayers()]
    except:
        output_layers = [layer_names[i[0] - 1] for i in net.getUnconnectedOutLayers()]

    return output_layers


def draw_prediction(img, class_id, confidence, x, y, x_plus_w, y_plus_h):

    label = str(classes[class_id])

    color = COLORS[class_id]

    cv2.rectangle(img, (x,y), (x_plus_w,y_plus_h), color, 2)

    cv2.putText(img, label, (x-10,y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 2)



def video_detector(image_path):
    while True:
        image = cv2.imread(image_path)
        Width = image.shape[1]
        Height = image.shape[0]
        blob = cv2.dnn.blobFromImage(image, 0.00392, (416,416), (0,0,0), True, crop=False)
        net.setInput(blob)
        outs = net.forward(get_output_layers(net))
        class_ids = []
        confidences = []
        boxes = []
        conf_threshold = 0.5
        nms_threshold = 0.4
        scale = 0.00392
        classes = None


        for out in outs:
            for detection in out:
                scores = detection[5:]
                class_id = np.argmax(scores)
                confidence = scores[class_id]
                if confidence > 0.5:
                    center_x = int(detection[0] * Width)
                    center_y = int(detection[1] * Height)
                    w = int(detection[2] * Width)
                    h = int(detection[3] * Height)
                    x = center_x - w / 2
                    y = center_y - h / 2
                    class_ids.append(class_id)
                    confidences.append(float(confidence))
                    boxes.append([x, y, w, h])
                    # print(class_id)
                
        indices = cv2.dnn.NMSBoxes(boxes, confidences, conf_threshold, nms_threshold)

        for i in indices:
            try:
                box = boxes[i]
            except:
                i = i[0]
                box = boxes[i]
            
            x = box[0]
            y = box[1]
            w = box[2]
            h = box[3]
            draw_prediction(image, class_ids[i], confidences[i], round(x), round(y), round(x+w), round(y+h))

            

        cv2.imshow("object detection", image)
        cv2.waitKey()
        if cv2.waitKey(1) & 0xff ==ord('q'):
            break
        cv2.imwrite("object-detection.jpg", image)
        output_image_path = "object-detection-" + image_path.split('.')[0] + ".jpg"
        cv2.imwrite(output_image_path, image)
        cv2.destroyAllWindows()

if __name__ == "__main__":
    video_detector(args['image'])#############image يظهر الخطأ هنا عند تمرير

     

    • أعجبني 1

  10. ربط متجر الكتروني مع موقع الف ياء للمخزون

    في أسئلة البرامج والتطبيقات

    نشر

    مرحبا..

    قمت بانشاء متجرالكتروني هل يمكنني ربطه مع موقع الف ياء 

    بحيث  اي عميل يفتح حساب في المتجر يفتح عندي له حساب في برنامج المبيعات بموقع الف ياء 

    ارجو التنويه او طرح افكار للمساعدة

    • أعجبني 1

  11. عدد تكرار كلمة person في الصورة

    في بايثون

    نشر

    لدي كود يقوم بمعالجة الصور المدخلة وتحديد ماهية الاشياء في الصورة 

    مااحتاجه هو معرفة كم شخص في الصورة لعمل احصائية

    خرج الكود (الصورة):

     

    ارجو المساعدة على اقتراح كيف يمكن معرفة العدد ؟؟

    photo.jpg

    لاستطيع تخزينه في قاعدة البيانات

    • أعجبني 1

  12. مشكلة في كل مرة اريد تشغيل الكود يجب ادخال مسار الملفات ضمن terminal

    في بايثون

    نشر

    مرحبا..

    لدي خوارزمية yolo v3 الذي تقوم بتحديد ماهية الاشياء الموجودة في الصورة 

    لايوجد بها مشاكل لكن في كل مرة اريد تشغيل الكود يجب ادخال مسار الملفات التالة ضمن terminal : 

    python yolo.py --image dog.jpg --config yolov3.cfg --weights yolov3.weights --classes yolov3.txt

    هل يمكنني تثبيتهم ضمن الكود؟؟؟؟

      

    import cv2
import pafy
import argparse
import numpy as np

image="dog.jpg"
classesf="yolov3.txt"
weights="yolov3.weights"
config="yolov3.cfg"
scale=0.00392
classes=None


with open(classesf,'r') as f:
    classes=[line.strip() for line in f.readlines()]
COLORS =np.random.uniform(0,255,size=(len(classes),3))
net=cv2.dnn.readNet(weights,config)


ap = argparse.ArgumentParser()
ap.add_argument('-i', '--image', required=True, 
                help = 'path to input image')
ap.add_argument('-c', '-c/--yolov3.cfg', required=True,
                help = 'path to yolo config file')
ap.add_argument('-w', '--weights', required=True,
                help = 'path to yolo pre-trained weights')
ap.add_argument('-cl', '--classes', required=True,
                help = 'path to text file containing class names')
args = ap.parse_args()


def get_output_layers(net):
    
    layer_names = net.getLayerNames()
    try:
        output_layers = [layer_names[i - 1] for i in net.getUnconnectedOutLayers()]
    except:
        output_layers = [layer_names[i[0] - 1] for i in net.getUnconnectedOutLayers()]

    return output_layers


def draw_prediction(img, class_id, confidence, x, y, x_plus_w, y_plus_h):

    label = str(classes[class_id])

    color = COLORS[class_id]

    cv2.rectangle(img, (x,y), (x_plus_w,y_plus_h), color, 2)

    cv2.putText(img, label, (x-10,y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 2)


image = cv2.imread(args.image)
def video_detector():
    while True:
        image = cv2.imread(args.image)
        Width = image.shape[1]
        Height = image.shape[0]
        blob = cv2.dnn.blobFromImage(image, 0.00392, (416,416), (0,0,0), True, crop=False)
        net.setInput(blob)
        outs = net.forward(get_output_layers(net))
        class_ids = []
        confidences = []
        boxes = []
        conf_threshold = 0.5
        nms_threshold = 0.4
        scale = 0.00392
        classes = None


        for out in outs:
            for detection in out:
                scores = detection[5:]
                class_id = np.argmax(scores)
                confidence = scores[class_id]
                if confidence > 0.5:
                    center_x = int(detection[0] * Width)
                    center_y = int(detection[1] * Height)
                    w = int(detection[2] * Width)
                    h = int(detection[3] * Height)
                    x = center_x - w / 2
                    y = center_y - h / 2
                    class_ids.append(class_id)
                    confidences.append(float(confidence))
                    boxes.append([x, y, w, h])


        indices = cv2.dnn.NMSBoxes(boxes, confidences, conf_threshold, nms_threshold)

        for i in indices:
            try:
                box = boxes[i]
            except:
                i = i[0]
                box = boxes[i]
            
            x = box[0]
            y = box[1]
            w = box[2]
            h = box[3]
            draw_prediction(image, class_ids[i], confidences[i], round(x), round(y), round(x+w), round(y+h))

        cv2.imshow("object detection", image)
        cv2.waitKey()
        if cv2.waitKey(1) & 0xff ==ord('q'):
            break
        cv2.imwrite("object-detection.jpg", image)
        cv2.destroyAllWindows()


conn = psycopg2.connect("dbname=Management_Center user=postgres password=123456")

[postgresql]
host=localhost
database=Management_Center
user=postgres
password=123456

if __name__ == "__main__":
    video_detector()

     

    • أعجبني 2

  13. الحصول على صورة كل 30 ثانية بدلا من كل 1 ثانية

    في بايثون

    نشر

    مرحبا..

    لدي كود برمجي يستخرج صور من الفيديوهات يعمل دون مشاكل

    لكن مااحتاجه هو الحصول على صورة كل 30 ثانية بدلا من كل 1 ثانية 

    # from video2images import Video2Images

import cv2 

vcap = cv2.VideoCapture()
# set frame width and height
vcap.set(cv2.CAP_PROP_FRAME_WIDTH, 480)
vcap.set(cv2.CAP_PROP_FRAME_HEIGHT, 640)
vcap.open(100)

vs=cv2.VideoCapture('VideoDoor//aaa.mp4')###input

prop=cv2.CAP_PROP_FRAME_COUNT
total=int(vs.get(prop))
print(" [INFO] {} total frame in video".format(total))

ret, img=vs.read()  
print(ret)

count=0

while ret:
    
    cv2.imwrite("Images//frame%d.jpg" %count , img) ###output foldir
    ret, img=vs.read()
    print('Read a new frame:',count,ret)
    count += 1

     

    • أعجبني 1

  15. هل يمكن بناء تطبيق محمول يعمل على أجهزة Android باستخدام Django و Angular

    في أسئلة البرامج والتطبيقات

    نشر · تم التعديل في بواسطة Mustafa Suleiman
    تعديل عنوان السؤال

    مرحبا 

    لدي استفسار هل يمكنني بناء تطبيق يعمل على اجهزة الاندرويد باستخدام دجانغو و Angular 

    وهل يوجد نصائح افضل

    • أعجبني 1

  17. تشغيل كود بلاحقة glb. ضمن مشروع Three.js"

    في تطوير الواجهات الأمامية

    نشر

    مرحبا..

    احاول تشغيل كود بلاحقة glb. ضمن مشروع Three.js"

    قمت بتضمين ملف home.glb ضمن المشروع 

    واضفت الكود التالي الى Script.js 

      import * as THREE from 'three';
import {OrbitControls} from 'three/examples/jsm/controls/OrbitControls'
const loader = new GLTFLoader();
  const draco = new DRACOLoader();
  draco.setDecoderPath( '/examples/jsm/libs/draco/' );
  loader.setDRACOLoader( draco );


  // Load a glTF resource
  loader.load(
    // resource URL
    '/home.glb',
    gltf => {
      gltf.scene.scale.set(.1,.1,.1);
      this._scene.add(gltf.scene);
    },
    xhr => {
      let percent = xhr.loader / xhr.total*100;
      console.log('${percent}% of solar system model loaded.');
    },
    undefined
  );

     

    وضمن كود ل html: 

    <!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <meta http-equiv="X-UA-Compatible" content="IE=edge">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <script src="/script.js" type="module"></script>
    <title>3D</title>
</head>
<body>
    <camera class="webgi"></camera>
   <div class="container"> 
     <model-viewer src="./home.glb" auto-rotate camera-controls alt="cube" ></model-viewer> 
   </div>
</body>
</html>

    لكن لم تظهر أي نتيحة في المتصفح ، علما انه لايوجد اي خطأ في السيرفر

    • أعجبني 1

  18. تثبيت parcel ضمن بيئة node.js

    في جافا سكريبت

    نشر

    مرحبا احاول تثبيت parcel ضمن بيئة node.js باستخدام  

    npm install parcel -g

    يبدأ التحميل وبعدها يظهر 

    up to date, audited 180 packages in 8s

    74 packages are looking for funding
      run `npm fund` for details

    found 0 vulnerabilities

    وعندما اقوم بتشغيل السيرفر يظهر الخطأ التالي :

    'parcel' is not recognized as an internal or external command,
    operable program or batch file.

     

    • أعجبني 1

  19. حساب المسافةبالكيلومتر بين بوستل كود الزبون والبائع في حالة اذا اراد خدمة التوصيل

    في أسئلة البرمجة

    نشر

    بتاريخ 43 دقائق مضت قال Mustafa Suleiman:

     

    ويجب استبدال <payment_id> بمعرف الدفع الذي يتم عملية الدفع له.

     

    قمت باستبدالها على الشكل التالي: 

      if Payment.objects.filter(id=payment.id, Delivery_Service=True).exists():

    وواجهت الخطأ التالي في المتصفح:

    علما ان استخدام payment صحيحة

    Annotation 2023-03-29 123258.jpg

  20. حساب المسافةبالكيلومتر بين بوستل كود الزبون والبائع في حالة اذا اراد خدمة التوصيل

    في أسئلة البرمجة

    نشر

    مرحبا

    احاول حساب المسافةبالكيلومتر بين بوستل كود الزبون والبائع في حالة اذا اراد خدمة التوصيل

    وضرب النتيجة بسعر التوصيل  

    class Delivary(models.Model):
    ....
    price=models.PositiveIntegerField( verbose_name=_("Price for 1KM:"),blank=True, null=True,)

class Payment(models.Model):
     ....
     post_code = models.CharField(max_length=10, )
     Delivery_Service=models.BooleanField(_("Delivery_Service?"),default=False,null=True)

class Order(models.Model):
     ....
     delivery_costs = models.CharField( default=0, max_length=50,  blank=True, null=True)

    قمت بمعالجته ضمن الفيو على الشكل التالي: 

    def payment(request):
    if Payment.Delivery_Service == True:
            dist=GeoDistance("in")
            cal_distance=dist.query_postal_code(Payment.post_code,product_detail.product_vendor.post_code)
            Order.delivery_costs=cal_distance*Delivary.price
            # print(delivery_costs,"km")
            #  {{Profile.post_code}}
    
    else:
            Order.delivery_costs==0

    العرض: 

                   {%if order.delivery_costs%}
                                <tr>
                                    <td class="image product-thumbnail"></td>
                                    <td>
                                        <h6 class="w-160 mb-5"><a  class="text-heading">Delivary Service</a></h6></span>
                                       
                                    </td>
                                   
                                    <td>
                                        <h4 class="text-brand">+{{request.session.currency}}{{order.delivery_costs|floatformat:"2"|currency:request.session.currency}}</h4>
                                    </td>
                                </tr>
                                {%endif%}

    لكن لم تظهر النتيجة ماالخطأ؟؟ 

    • أعجبني 1

  22. جعل المشتري لايستطيع طلب كمية اقل من الكمية المحددة

    في بايثون

    نشر

    بتاريخ 12 دقائق مضت قال Kais Hasan:

    يمكنك جلب الحد الاصغري من self، أي يكون الكود الخاص بك كما يلي: 

    class Product(models.Model):
....
    firscoun = models.PositiveIntegerField(  verbose_name=_("Minimum Countete:"),blank=True, null=True,)

##################
    def clean(self):
        errors={}
        if self.count < self.firscoun:
           errors['min_count']= f'The min count must be greater than {firscoun}.'

        if errors:
            raise ValidationError(errors)

    هل يمكنك تجربة أن تقومي بإضافة منتج من صفحة الأدمن بعد هذا التعديل؟ أعتقد أنه يجب استدعاء الطريقة clean بشكل يدوي قبل عمل save للمودل، يمكن القيام بذلك عن طريق كتابة الطريقة save للقيام بذلك قبل استدعاء العملية save الاصلية، أي كما يلي: 

    def save(self, *args, **kwargs):
  self.clean()
  super(Product, self).save(*args, **kwargs)

    طبعاً نضع هذه الدالة في ال model الخاص بالمنتج، أي مع الدالة clean.

    طبعاً عندها في المكان الذي يتم فيه إنشاء منتج جديد يجب القيام بكتابة try..except لالتقاط الخطأ الذي نرميه في الدالة clean.

    عند تطبيق الحل يظهر خطأ 

    Product object has no attributes 'count'

    • أعجبني 1

  24. جعل المشتري لايستطيع طلب كمية اقل من الكمية المحددة

    في بايثون

    نشر

    بتاريخ 24 دقائق مضت قال Kais Hasan:

    هل الإضافة كما قلت لك أيضاً لا تنجح؟ أي أن تقومي بالإضافة  ضمن ال model و ليس ضمن ال form.

    مرحبا استاذ قيس..

    لا لم تنجح قمت بتطبيقها على الشكل التالي: 

    class Product(models.Model):
....
    firscoun = models.PositiveIntegerField(  verbose_name=_("Minimum Countete:"),blank=True, null=True,)

##################
    def clean(self):
        errors={}
        firscoun = products_lower_bound_map[self.id]
        if self.count < firscoun:
           errors['min_count']= f'The min count must be greater than {firscoun}.'

        if errors:
            raise ValidationError(errors)

     

    • أعجبني 1

  25. جعل المشتري لايستطيع طلب كمية اقل من الكمية المحددة

    في بايثون

    نشر

    بتاريخ 13 ساعة قال Mustafa Suleiman:

    الإجابة التي تم ذكرها من قبل قيس مشكورًا، تحتوي على فكرة جيدة، وهي استخدام دالة clean() الموجودة في ال model الخاص بالمنتج للتحقق من أن الحد الأدنى المحدد للكمية التي يمكن طلبها لهذا المنتج قد تم الالتزام به.

    ولكن، هناك تحدي يحدث عند استخدام هذه الطريقة، وهو أن الخطأ لن يتم عرضه على الحقل المرتبط بالكمية، وإنما سيتم عرضه على النموذج بشكل عام.

    لذلك، يمكن استخدام مجموعة العناصر الإضافية (widgets) في Django، وتحويل الحقل المرتبط بالكمية إلى نوع IntegerField والتحقق من الحد الأدنى لهذا الحقل في العنصر الإضافي clean() الخاص به.

    فيما يلي مثال محدث للطريقة السابقة: 

    from django import forms
from django.db import models

class Product(models.Model):
    product_number = models.PositiveIntegerField(unique=True)
    min_count = models.PositiveIntegerField()

class ProductForm(forms.ModelForm):
    class Meta:
        model = Product
        fields = '__all__'

    count = forms.IntegerField(widget=forms.NumberInput(attrs={'min': '0'}))

    def clean_count(self):
        count = self.cleaned_data['count']
        min_count = Product.objects.get(product_number=self.cleaned_data['product_number']).min_count
        if count < min_count:
            raise forms.ValidationError(f'The minimum count for this product is {min_count}.')
        return count

    في المثال، يتم استخدام Django form بدلاً من استخدام clean() في ال model، ويتم إنشاء عنصر إضافي (count) لإدخال الكمية، وتحويل الحقل المرتبط بهذا العنصر الإضافي إلى IntegerField.

    ثم التحقق من الحد الأدنى للكمية في clean_count()، وعرض الخطأ على الحقل المرتبط بهذا العنصر الإضافي.

    شكرا لكم..

    قمت بإضافتها ضمن المودل بعدclass Product

    كالتالي: 

    class ProductForm(forms.ModelForm):
    class Meta:
        model = Product
        fields = '__all__'
    count = forms.IntegerField(widget=forms.NumberInput(attrs={'min': '0'}))

    def clean_count(self):
        count = self.cleaned_data['count']
        firscoun = Product.objects.get(product_name=self.cleaned_data['product_name']).firscoun
        if count < firscoun:
                raise forms.ValidationError(f'The minimum count for this product is {firscoun}.')
        return count

    لكن مازال بإمكانه اختيار الرقم الاصغر من المسموح له

    ماالمشكلة؟؟

    كذلك قمت بمحاولة استبدال product_name ب id 

    • أعجبني 1
×
×
  • أضف...