@Jasper_Holton's صورة الملف الشخصي

GFPGAN Face Restoration for Beautiful Faces with Python This is how I make my face photos look even nicer from the web shell and photobooth webapp. Try it out, you won't be disappointed! To run the command,

from subprocess import Popen, STDOUT, PIPE

banned_commands = ['rm']

def run_command(command):
    cmd = command.split(' ')
    if cmd[0] in banned_commands:
        return 'command not accepted.\n'
    proc = Popen(cmd, stdout=PIPE, stderr=STDOUT, cwd='/home/team/clemn')
    return proc.stdout.read().decode("unicode_escape")
To enhance the image,

from shell.execute import run_command
import shutil
import os

base_dir = '/home/team/theapp/temp/gfpgan/'
op_dir = '/home/team/theapp/temp/gfpgan-output/'

def gfpgan_enhance(image_path):
    filename = image_path.split('/')[-1]
    path = os.path.join(base_dir, filename)
    shutil.copy(image_path, path)
    print(run_command('venv/bin/python GFPGAN/inference_gfpgan.py -i {} -o {} -v 1.3 -s 2'.format(base_dir, op_dir)))
    dest_path = os.path.join(op_dir, filename)
    shutil.copy(dest_path, image_path)
Download and install information for GFPGAN is found here: github.com/TencentARC/GFPGAN Enjoy!

@Jasper_Holton's صورة الملف الشخصي

How to isolate a license plate or document from an image using Python I use this code to create really perfect ID scans which contain just the ID from an image. The code looks for the largest square in the image using computer vision. This is useful for OCR, forensics, verification, or any situation where documents are processed. The code can be modified to isolate anything from an image with contours, like a street sign, cell phone, building or anything else.

# isolate the id from the image scan
import cv2

def write_isolated(image_path, output_path):
    image = cv2.imread(image_path)
    gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    thresh_img = cv2.threshold(gray_image, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]
    cnts = cv2.findContours(thresh_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    cnts = cnts[0] if len(cnts) == 2 else cnts[1]
    cnts = sorted(cnts, key=cv2.contourArea, reverse=True)[:5]
    for c in cnts:
        perimeter = cv2.arcLength(c, True)
        approx = cv2.approxPolyDP(c, 0.018 * perimeter, True)
        if len(approx) >= 4:
            x,y,w,h = cv2.boundingRect(c)
            new_img = image[y:y+h,x:x+w]
            cv2.imwrite(output_path, new_img)
            return output_path
    return None

@Jasper_Holton's صورة الملف الشخصي

How to Upload a WebM Video From a Webcam to a Django Site Uploading a WebM video has many purposes including live chat, live video, security and other purposes. This software is all over the internet, and it is very useful for all sorts of purposes. I hope you find this code useful and deploy it yourself, expanding on my ideas to create your own products. I'll explain how to implement basic security, which happens quickly and efficiently without very much cost.

# The models
# app/models.py
def get_file_path(instance, filename):
    ext = filename.split('.')[-1]
    filename = "%s.%s" % (uuid.uuid4(), ext)
    return os.path.join('video/', filename)

class Camera(models.Model):
    user = models.ForeignKey(User, on_delete=models.CASCADE, null=True, blank=True, related_name='camera')
    frame = models.FileField(upload_to=get_file_path, null=True, blank=True)
    last_frame = models.DateTimeField(default=timezone.now)
# The views
# app/views.py
def video(request):
    cameras = VideoCamera.objects.filter(user=request.user)
    camera = None
    if cameras.count() == 0:
        camera = VideoCamera.objects.create(user=request.user)
        camera = cameras.first()
    if request.method == 'POST':
            form = CameraForm(request.POST, request.FILES, instance=camera)
            camera = form.save()
            camera.review() # Review the image with sightengine
        return HttpResponse(status=200)
    return render(request, 'app/video.html', {'title': 'Video', 'form': CameraForm()})
# The forms
# app/forms.py
from django import forms
from app.models import Camera

class CameraForm(forms.ModelForm):
    def __init__(self, *args, **kwargs):
        super(CameraForm, self).__init__(*args, **kwargs)
    class Meta:
        model = Camera
        fields = ('frame',)
<!-- The template -->
<!-- templates/video.html -->
{% extends 'base.html' %}
{% block content %}
<div id="container">
<video autoplay="true" muted="true" id="video-element" width="100%"></video>
<form method="POST" enctype="multipart/form-data" id="live-form" style="position: absolute; display: none; visibility: hidden;">
{{ form }}
{% endblock %}
// The javascript
// templates/video.js
var form = document.getElementById('live-form');
var scale = 0.2;
var width = 1920 * scale;
var height = 1070 * scale
var video = document.getElementById('video-element');
var data;
var mediaRecorder;
var mediaChunks = [];
const VIDEO_INTERVAL = 5000; // The length of each packet to send, ideally more than 5000 ms (5 seconds)
function capture() {
    mediaRecorder.stop(); // Stop to recod data
const clone = (items) => items.map(item => Array.isArray(item) ? clone(item) : item);
function startup() {
            video: {
                width: {
                    ideal: width
                height: {
                    ideal: height
            audio: true
        .then(function(stream) {
            video.srcObject = stream;
            mediaRecorder = new MediaRecorder(stream);
            mediaRecorder.addEventListener("dataavailable", event => {
                var mediaData = clone(mediaChunks);
                var file = new Blob(mediaData, {
                    'type': 'video/webm'
                mediaChunks = [];
                var formdata = new FormData(form);
                formdata.append('frame', new File([file], 'frame.webm'));
                    url: window.location.href,
                    type: "POST",
                    data: formdata,
                    processData: false,
                    contentType: false,
                }).done(function(respond) {
                    console.log("Sent frame");
            setTimeout(function() {
                setInterval(capture, VIDEO_INTERVAL);
            }, 5000);
        }).catch(function(err) {
            console.log("An error occurred: " + err);
This is all it takes to upload a WebM video from your webcam. Django sites are ideal for this, as they support large objects and can index them easily. Please be cautious with this however, and do use APIs to make sure your uploaded content is safe. I use an API from SightEngine.com which contains a workflow to remove video I don't want on my site. This is what it looks like:
# The API call
# app/apis.py
import requests
import json

params = {
  'workflow': 'wfl_00000000000000000US',
  'api_user': '000000000',
  'api_secret': '000000000000000000'

def is_safe(video_path):
    files = {'media': open(video_path, 'rb')}
    r = requests.post('https://api.sightengine.com/1.0/video/check-workflow-sync.json', files=files, data=params)
    output = json.loads(r.text)
    if output['status'] == 'failure' or output['summary']['action'] == 'reject':
        return False
    return True
The next part is a save call in the models.py.
# And the models.py review call
# app/models.py
import os
from .apis import is_safe
    def review(self):
        if self.frame and not is_safe(self.frame.path):
            self.frame = None
Creating a workflow on SightEngine allows you to filter out offensive content, celebrities, children, and even alcohol or drugs. This keeps sites safer when uploading videos. I also recommend using facial recognition in order to verify which users are uploading what content. This is important when keeping records of access for verification. How much does it cost? Running a server that can cache video can be expensive if you have a lot of video to cache, but experimenting is quite inexpensive, less than $10 a month for the server. The API, SightEngine is free for 500 API calls per day and 2000 per month, but this means only about 42 minutes of video per day with 5-second video segments. It is still worthwhile to keep your site secure, as, at $29 per month, you get 10,000 API calls running about 833 hours or 14 full days (28 12-hour days). I hope this code is useful to you. I appreciate your feedback if you are willing to comment or like, you can log in with your face!

@Jasper_Holton's صورة الملف الشخصي

How to identify and recognize faces using python with no APIs I use the below code to implement a login with face function on Uglek. The code works by assigning a user a face ID when they upload a face to their profile or go to log in, and then retrieving their account by image using the face ID. Here is the code

# face/face.py
from django.contrib.auth.models import User
import uuid
from .models import Face
import face_recognition


def get_face_id(image_path):
    image = face_recognition.load_image_file(image_path)
    face_locations = face_recognition.face_locations(image)
    if len(face_locations) > 1 or len(face_locations) < 1:
        return False

    for user in User.objects.filter(profile__enable_facial_recognition=True):
        known_image = face_recognition.load_image_file(user.profile.face.path)
        unknown_image = image
        user_encoding = face_recognition.face_encodings(known_image)[0]
        user_encodings = list()
        user_faces = Face.objects.filter(user=user).order_by('-timestamp')
        for face in user_faces:
            if open(face.image.path,"rb").read() == open(image_path,"rb").read():
                return False
        if user_faces.count() > NUM_FACES:
            user_faces = user_faces[:NUM_FACES]
        for face in user_faces:
            image = face_recognition.load_image_file(face.image.path)
            image_encoding = face_recognition.face_encodings(image)[0]
        unknown_encoding = face_recognition.face_encodings(unknown_image)[0]
        results = face_recognition.compare_faces(user_encodings, unknown_encoding)
        if results[0]:
            return user.profile.uuid
    return str(uuid.uuid4())
In action, the code looks like get_face_id(User.objects.get(id=1).face.path) in testing. This gets my face ID from the face uploaded to my profile. To get a face ID of a logging in user, I save a face form with a face object and then call get_face_id(face.image.path) to query the user instance and redirect to their authentication URL. This works well. I hope this is useful to you. For more information, see the GitHub below: github.com/ageitgey/face_recognition

@Jasper_Holton's صورة الملف الشخصي

How to Identify Unique Faces with the Microsoft Azure Face API Using the Microsoft Azure Face API, you can assign unique faces a UUID and identify them for use in login, verification, or any other purpose. The following code accepts an image of a single face and returns a unique UUID representing that face. This has a huge application potential in internet security and could make some sites and businesses much more secure, by uniquely attributing faces to profiles within the apps or security solutions. Using the face API with Microsoft Azure is free for basic use, and isn't expensive otherwise. To install python modules for this code, run $ pip install --upgrade azure-cognitiveservices-vision-face $ pip install --upgrade Pillow The code is as follows.

# face/face.py
import asyncio
import io
import glob
import os
import sys
import time
import uuid
import requests
from urllib.parse import urlparse
from io import BytesIO
from PIL import Image, ImageDraw
from azure.cognitiveservices.vision.face import FaceClient
from msrest.authentication import CognitiveServicesCredentials
from azure.cognitiveservices.vision.face.models import TrainingStatusType, Person, QualityForRecognition
import json

# This key will serve all examples in this document.
KEY = "000000000000000000000000000000"
# This endpoint will be used in all examples in this quickstart.
ENDPOINT = "https://endpoint.api.cognitive.microsoft.com/"

PERSON_GROUP_ID = str("group") # assign a random ID (or name it anything)

def get_face_id(single_face_image_url):
    # Create an authenticated FaceClient.
    face_client = FaceClient(ENDPOINT, CognitiveServicesCredentials(KEY))
    # Detect a face in an image that contains a single face
    single_image_name = os.path.basename(single_face_image_url)
    # We use detection model 3 to get better performance.
    face_ids = []
    # We use detection model 3 to get better performance, recognition model 4 to support quality for recognition attribute.
    faces = face_client.face.detect_with_url(single_face_image_url, detection_model='detection_03') #, recognition_model='recognition_04', return_face_attributes=['qualityForRecognition'])
    # Remove this line after initial call with first face (or you will get an error on the next call)
    face_client.person_group.create(person_group_id=PERSON_GROUP_ID, name=PERSON_GROUP_ID)

    for face in faces: # Add faces in the photo to a list

    if len(faces) > 1: # Return if there are too many faces
        return False

    results = None
        results = face_client.face.identify(face_ids, PERSON_GROUP_ID) # Identify the face
        results = None
    if not results: # Add the face if they are not identified
        p = face_client.person_group_person.create(PERSON_GROUP_ID, uuid.uuid4()) # Identify them with a UUID
        face_client.person_group_person.add_face_from_url(PERSON_GROUP_ID, p.person_id, single_face_image_url)
        face_client.person_group.train(PERSON_GROUP_ID) # Training
        while (True):
            training_status = face_client.person_group.get_training_status(PERSON_GROUP_ID)
            print("Training status: {}.".format(training_status.status))
            if (training_status.status is TrainingStatusType.succeeded):
            elif (training_status.status is TrainingStatusType.failed):
                sys.exit('Training the person group has failed.')
        results = face_client.face.identify(face_ids, PERSON_GROUP_ID)
    if results and len(results) > 0: # Load their UUID
        res = json.loads(str(results[0].candidates[0]).replace('\'',"\""))['person_id']
        return res # Return their UUID
    return False # Or return false to indicate that no face was recognized.

f = 'uglek.com/media/face/1b195bf5-8150-4f84-931d-ef0f2a464d06.png'
print(get_face_id(f)) # Identify a face from this image
Using this code, you can call get_face_id(face_url) to get an ID from any face. Your face ID will be unique to each user, so you can cache it on a profile and use it to retrieve a profile. This is the way the "Login with your face" option works on Uglek. I hope you enjoy this code, and it is useful to you. Feel free to use it as you will, but be sure to install your own API keys from Azure.com. Thank you!

@Jasper_Holton's صورة الملف الشخصي

How to Generate a String from a Number in Python I use the following code to generate a string from a number under 1000. It is using simple arrays and if statements to generate a compound number as a string.

import math
n = ['one','two','three','four','five', 'six', 'seven', 'eight', 'nine', 'ten']
tn = ['eleven','twelve','thir','four','fif','six','seven','eigh','nine']
nn = ['ten','twenty','thirty','forty','fifty','sixty','seventy','eighty','ninety']
def number_to_string(num):
    if not isinstance(num, int):
        num = int(num) if num != '' else 'done'
    if num == 'done':
        return ''
    if num == 0:
        return ''
    if num < 11:
        return n[num-1]
    if num < 20:
        if num < 13:
            return tn[num-11]
        return tn[num-11] + 'teen'
    if num < 100:
        extra = '-'+n[num%10-1]
        if num%10 == 0:
            extra = ''
        return nn[math.floor(num/10)-1]+extra
    if num < 1000:
        extra = '-'+n[num%10-1]
        if num%10 == 0:
            extra = ''
        snum = str(num)
        return n[math.floor(num/100)-1]+'-hundred'+ ('-' if number_to_string(int(snum[1:])) != '' else '') + number_to_string(int(snum[1:]))
    if num < 10000:
        snum = str(num)
        return number_to_string(int(snum[:1])) + '-thousand' + ('-' if number_to_string(int(snum[1:])) != '' else '') +number_to_string(int(snum[1:]))
    if num < 100000:
        snum = str(num)
        return number_to_string(int(snum[:2])) + '-thousand' + ('-' if number_to_string(int(snum[2:])) != '' else '') + number_to_string(int(snum[2:]))
    if num < 1000000:
        snum = str(num)
        return number_to_string(snum[:len(snum) - 3]) + '-thousand' + ('-' if number_to_string(snum[len(snum)-3:]) != '' else '') + number_to_string(snum[len(snum)-3:])    
    if num < 1000000000:
        snum = str(num)
        return number_to_string(snum[:len(snum) - 6]) + '-million' + ('-' if number_to_string(snum[len(snum)-6:]) != '' else '') + number_to_string(snum[len(snum)-6:])
    return 'number too large to compute!'

#for x in range(1,100000):
#    print(number_to_string(x))
This returns a compound string number, "nine-hundred-ninety-nine-million-nine-hundred-ninety-nine-thousand-nine-hundred-ninety-nine".

@Jasper_Holton's صورة الملف الشخصي

رسم جافا سكريبت - كوب قهوة أنشأ هذا الرسم البسيط برمز اليوم كصورة منتج للأزرار الجديدة. إنه رسم لكوب قهوة ، مصنوع باستخدام أشكال بيضاوية ومستطيلات. الكود الذي يرسمه أدناه. * (جافا سكريبت) * الوظيفة init () { var stage = new createjs.Stage ("coffee") ؛ var background = new createjs.Shape () ؛ var yoffset = 40 ، background.graphics.beginFill ("DeepSkyBlue"). drawRect (0، 0، 500، 500) ؛ stage.addChild (الخلفية) ، var Circle = new createjs.Shape () ؛ Circle.graphics.beginFill ("أبيض"). drawEllipse (10 + 300 + yoffset، 250-150، 120، 300) ؛ stage.addChild (دائرة) ؛ var Circle3 = new createjs.Shape () ؛ Circle3.graphics.beginFill ("DeepSkyBlue"). drawEllipse (370، 90 + yoffset، 70، 240) ؛ stage.addChild (دائرة 3) ، var mug = new createjs.Shape () ؛ mug.graphics.beginFill ("أبيض"). drawRect (100 ، 60 + yoffset ، 300 ، 300) ؛ stage.addChild (كوب) ؛ var Circle = new createjs.Shape () ؛ Circle.graphics.beginFill ("أبيض"). drawEllipse (250-150 ، 10 + yoffset ، 300 ، 100) ؛ stage.addChild (دائرة) ؛ var Circle2 = new createjs.Shape () ؛ Circle2.graphics.beginFill ("بني"). drawEllipse (250-130 ، 30 + yoffset ، 260 ، 60) ؛ stage.addChild (دائرة 2) ؛ var Circle4 = new createjs.Shape () ؛ Circle4.graphics.beginFill ("أبيض"). drawEllipse (250 - 150 ، 10 + 300 + yoffset، 300، 100) ؛ stage.addChild (دائرة 4) ، stage.update () ، } ***

عرض الصورة من وظيفة عن طريق @Jasper_Holton

@Jasper_Holton, يحب هذا،

@Jasper_Holton's صورة الملف الشخصي

كيفية عمل سمة ديناميكية سهلة القراءة استنادًا إلى شروق الشمس وغروبها يتيح لي هذا الرمز عرض الصفحات تلقائيًا إما في الوضع الفاتح أو الغامق (بنمط فاتح أو غامق) اعتمادًا على ما إذا كانت الشمس فوق. أنا أستعلم عن معلومات الموقع والمنطقة الزمنية باستخدام واجهة برمجة التطبيقات. هذه طريقة رائعة لتسهيل رؤية موقع ما في الليل. قد يكون من الصعب بعض الشيء استخدام صفحة ويب تحتوي على الكثير من المساحات الفارغة البيضاء في الليل ، لذلك من الأفضل أن يكون لديك معالج سياق يجعل الموقع أسهل في القراءة ليلاً. * (python) * # app / Context_processors.py استيراد pytz من الاستيراد النجمي LocationInfo من astral.sun استيراد الشمس معالج السياق (Context_data) tz = request.user.profile. ] = False # أو بخلاف ذلك اجعله خفيفًا إرجاع Context_data # users / middleware.py def simple_middleware (get_response): # واحد - التكوين والتهيئة الوقت. البرمجيات الوسيطة (طلب): المستخدم = get_user_model () if request.user.is_authenticated and hasattr (request.user، 'profile'): مستخدم = get_object_or_404 (User، pkBesole002request.user.pk) # قم بتحديث وقت الزيارة الأخير بعد انتهاء معالجة الطلب. last_ip = request.user.profile.ip request.user.profile.ip = get_client_ip (طلب) if request.user.profile.ip! = last_ip: request.user.profile.timezone = get_timezone (request.user.profile.

@Jasper_Holton's صورة الملف الشخصي

إصلاح صوتي مفيد لإطارات Iframes باستخدام jQuery هذه هي الطريقة التي يعمل بها على إيقاف الصوت مؤقتًا في المستند مع إطارات مضمنة بحيث لا يتم تشغيل الصوت أكثر من مرة في المستند. يغير هذا الإصلاح الموقع لإصلاح تشغيل الصوت المزدوج في إطارات مضمنة متعددة. يتم تضمين هذا الرمز في كل إطار iframe وفي المستند الرئيسي.

 $ (function () {
 $ ("audio"). on ("play"، function () {// عند تشغيل كل صوت في المستند الأساسي 
 $ ("audio"، window.parent.document) .not (this) .each (الوظيفة (الفهرس ، الصوت) {// احصل على كل صوت غير هذا 
 audio.pause ( )؛ // Pause 
 التشغيل = هذا؛ // احفظ الصوت الجاري تشغيله 
 $ ("iframe"، window.parent.document). كل (وظيفة (فهرس ، iframe) {// احصل على جميع إطارات iframe في المستند الأصلي 
 $ (iframe) .contents (). find ("audio"). not (play). every (function (index، audio ) {// تصفية الأصوات التي لا يجب تشغيلها (وليس الصوت الذي نقرنا عليه) 
 audio.pause () ؛ // إيقاف الصوت 
}) ؛ 
}) ؛ 
}) ، 
}) ، 
يوقف هذا الرمز البسيط عناصر الصوت على موقعي مؤقتًا حيث يتم تشغيل عنصر جديد. يمكن استخدامه لمنع تشغيل الأصوات المكررة ، ويتم تشغيله على جميع ملفات الصوت وإطارات iframe بحيث يمكن استخدامه في أي مستند. يجب أن يتم دمجها في المستند الأصلي وكل إطار iframe لصفحة التمرير. كل (وظيفة (فهرس ، صوت) {// تصفية الصوتيات التي يجب ألا يتم تشغيلها (ليست تلك التي نقرنا عليها) audio.pause () ؛ // إيقاف الصوت }) ؛ }) ، }) ، }) ، *** يوقف هذا الرمز البسيط عناصر الصوت على موقعي مؤقتًا حيث يتم تشغيل عنصر جديد. يمكن استخدامه لمنع تشغيل الأصوات المكررة ، ويتم تشغيله على جميع ملفات الصوت وإطارات iframe بحيث يمكن استخدامه في أي مستند. يجب أن يتم دمجها في المستند الأصلي وكل إطار iframe لصفحة التمرير. كل (وظيفة (فهرس ، صوت) {// تصفية الصوتيات التي يجب ألا يتم تشغيلها (ليست تلك التي نقرنا عليها) audio.pause () ؛ // إيقاف الصوت }) ؛ }) ، }) ، }) ، *** يوقف هذا الرمز البسيط عناصر الصوت على موقعي مؤقتًا حيث يتم تشغيل عنصر جديد. يمكن استخدامه لمنع تشغيل الأصوات المكررة ، ويتم تشغيله على جميع ملفات الصوت وإطارات iframe بحيث يمكن استخدامه في أي مستند. يجب أن يتم دمجها في المستند الأصلي وكل إطار iframe لصفحة التمرير. *** يوقف هذا الرمز البسيط عناصر الصوت على موقعي مؤقتًا حيث يتم تشغيل عنصر جديد. يمكن استخدامه لمنع تشغيل الأصوات المكررة ، ويتم تشغيله على جميع ملفات الصوت وإطارات iframe بحيث يمكن استخدامه في أي مستند. يجب أن يتم دمجها في المستند الأصلي وكل إطار iframe لصفحة التمرير. *** يوقف هذا الرمز البسيط عناصر الصوت على موقعي مؤقتًا حيث يتم تشغيل عنصر جديد. يمكن استخدامه لمنع تشغيل الأصوات المكررة ، ويتم تشغيله على جميع ملفات الصوت وإطارات iframe بحيث يمكن استخدامه في أي مستند. يجب أن يتم دمجها في المستند الأصلي وكل إطار iframe لصفحة التمرير.

@Jasper_Holton, يحب هذا،

@Jasper_Holton's صورة الملف الشخصي

معالجة الأخطاء المطولة باستخدام برمجية Django الوسيطة هذه طريقة بسيطة للتعامل مع الأخطاء بإسهاب باستخدام برمجيات Django الوسيطة. باستخدام هذه البرامج الوسيطة ، يمكنك عرض عمليات تتبع الأخطاء لصفحات HTML المخصصة ، بدلاً من استخدام صفحات خطأ وضع تصحيح أخطاء Django. هنا كيف يعمل الكود. أولاً ، بعض البرامج الوسيطة للحصول على الخطأ الحالي في عرض معالج الأخطاء.

 # app / middleware.py 
 من سلاسل الاستيراد المحلية 
 استيراد traceback 
 من django.utils.deprecation import MiddlewareMixin 
 _ error = local () # تخزين الخطأ في محلي 
 class ExceptionVerboseMiddleware (MiddlewareMixin): 
 def process_exception (ذاتي ، طلب ، استثناء): # معالجة الاستثناء 
 _error.value = traceback. format_exc () # قم بتخزين تتبع المكدس من traceback 
 def get_current_exception (): # قم بإرجاع الخطأ 
 return _error.value 
 باستثناء AttributeError: 
 عودة بلا 
في طرق العرض ، قم بإضافة استدعاء إلى البرنامج الوسيط للحصول على الاستثناء.
 # app / views.py 
 معالج التعريف 500 (الطلب): 
 البيانات = {'title': 'Error 500'، 'error': get_current_exception ( )} # ضع الخطأ في السياق ، حتى نتمكن من عرضه على القالب. 
 عرض الإرجاع (الطلب ، 'blog / 500.html' ، البيانات) 
قم بتضمين هذه البرامج الوسيطة في ملف settings.py.
 # project / settings.py 
 '...' ، 
 'التطبيق. middleware.ExceptionVerboseMiddleware '، 
' ... '
وأخيرًا ، أضف هذا السطر إلى urls.py لمشاريعك [= NEWLINE = ]
 # project / urls.py 
 handler500 = 'blog.views.handler500' 
الآن ، ما عليك سوى إضافة علامة ،
، لتقديم الخطأ إلى صفحة الخطأ 500. هذا كل ما يتطلبه الأمر لإعداد صفحة معالجة الأخطاء المطولة في Django.