Nano Hash - криптовалюты, майнинг, программирование

Как перевести переменные в Jinja2/Django

Я использую i18n в своих шаблонах Jinja2, и все отлично работает для простого текста. Но я не могу найти информацию о том, как использовать переводы с переменными, которых я не могу избежать. Вот пример:

{% set words = ["Hello", "world"] %}

{% for word in words %}
  {{ _(word) }}
{% endfor %}

Что я должен сделать, чтобы получить «Hello» и «world» в моем файле .po?


  • Обязательно ли переводить их внутри шаблона? Как насчет того, чтобы перевести их в свое представление? 03.02.2019
  • @nik_m да, это было. я выложил решение 04.02.2019

Ответы:


1

Оказалось, что мне нужно использовать Babel для jinja2: http://jinja.pocoo.org/docs/2.10/integration/

Пишу сюда, потому что у кого-то может быть такая же беда

04.02.2019
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..