[PYTHON] Essayez d'utiliser la fonction de brouillon de Pelican

Comment utiliser la fonction Brouillons intégrée avec Pelican, un générateur de blog Python

Cliquez ici pour consulter les articles précédents. Ils couvrent tout, de la configuration aux paramètres courants.

Par défaut, le moteur de génération de blogs de Python Pelican a une fonctionnalité "brouillon".

Je pense que l'article de Pelican sera conservé sous local / content au format reST ou au format md, mais dans cet état, appuyez sur la commande make html Et tous les articles sont indexés et publiés dans le monde extérieur lorsqu'ils sont déployés.

La fonction Brouillons est fournie pour répondre à ces besoins.

Comment utiliser la fonction Brouillons

J'écrirai des métadonnées en haut de l'article, mais là

Status: draft

Ecrivez. Ce qui précède est pour md, mais pour reST

:Status: draft

Merveille.

Ce qui se passe lorsque vous écrivez ceci, c'est que lorsque vous créez du html, seul l'article pertinent n'est pas indexé, le fichier html généré ne va pas dans le dossier de sortie et un dossier de brouillons distinct y est créé. Il sera stocké.

Si vous déployez dans cet état, il ne sera pas visible du grand public.

http://[ドメイン名]/drafts/[URL]

Vous pouvez y accéder avec l'URL. (L'URL spécifique dépend de chaque environnement)

Mettez-le dans les brouillons une fois, supprimez la ligne décrite lorsque vous êtes prêt à publier après avoir vérifié le travail, générez à nouveau html → déployez, et l'article sera publié correctement cette fois. C'est facile!

point important

À proprement parler, les brouillons sont différents des "brouillons" car ils seront accessibles une fois que vous connaissez l'URL. Si vous ne voulez même pas le publier, vous devez faire un brouillon dans un endroit autre que le dossier de contenu, mais pour le moment, j'ai accidentellement publié l'article que j'étais sur le point d'écrire avec d'autres articles! Afin d'éviter une telle situation, il peut être plus sûr d'ajouter l'attribut *** Status: draft *** dans un premier temps.

Recommended Posts

Essayez d'utiliser la fonction de brouillon de Pelican
Essayez d'utiliser la fonction de modèle de Django
Essayez d'utiliser la fonction de débogage à distance de PyCharm
Essayez d'utiliser Tkinter
Essayez d'utiliser docker-py
Essayez d'utiliser Cookiecutter
Essayez d'utiliser PDFMiner
Essayez d'utiliser des géopandas
Essayez d'utiliser Selenium
Essayez d'utiliser scipy
Essayez d'utiliser pandas.DataFrame
Essayez d'utiliser django-swiftbrowser
Essayez d'utiliser matplotlib
Essayez d'utiliser tf.metrics
Essayez d'utiliser PyODE
Essayez d'utiliser virtualenv (virtualenvwrapper)
[Azure] Essayez d'utiliser Azure Functions
Essayez d'utiliser virtualenv maintenant
Essayez d'utiliser W & B
Essayez d'utiliser Django templates.html
[Kaggle] Essayez d'utiliser LGBM
Essayez d'utiliser l'analyseur de flux de Python.
Essayez d'utiliser Tkinter de Python
Essayez d'utiliser Tweepy [Python2.7]
Essayez d'utiliser collate_fn de Pytorch
Essayez d'utiliser PythonTex avec Texpad.
[Python] Essayez d'utiliser le canevas de Tkinter
Essayez d'utiliser scikit-learn (1) - Clustering K par méthode moyenne
Essayez l'optimisation des fonctions à l'aide d'Hyperopt
Essayez d'utiliser matplotlib avec PyCharm
Essayez d'utiliser Azure Logic Apps
Essayez d'utiliser Kubernetes Client -Python-
Détection de caractéristiques à l'aide d'opencv (détection de coin)
[Kaggle] Essayez d'utiliser xg boost
Essayez d'utiliser l'API Twitter
Essayez d'utiliser OpenCV sur Windows
Essayez d'utiliser Jupyter Notebook de manière dynamique
Essayez d'utiliser AWS SageMaker Studio
Essayez de tweeter automatiquement en utilisant Selenium.
Essayez d'utiliser SQLAlchemy + MySQL (partie 1)
Essayez d'utiliser l'API Twitter
Essayez d'utiliser l'API PeeringDB 2.0
Essayez d'utiliser pytest-Overview and Samples-
Essayez d'utiliser le folium avec anaconda
Essayez d'utiliser l'API Admin de la passerelle Janus
[Statistiques] [R] Essayez d'utiliser la régression par points de division.
Essayez d'utiliser Spyder inclus dans Anaconda
Essayez d'utiliser des modèles de conception (édition exportateur)
Essayez d'utiliser Pillow sur iPython (partie 1)
Essayez d'utiliser Pillow sur iPython (partie 2)
Essayez d'utiliser l'API de Pleasant (python / FastAPI)
Essayez d'utiliser LevelDB avec Python (plyvel)
Essayez d'utiliser pynag pour configurer Nagios
Essayez d'utiliser ArUco avec Raspberry Pi
Essayez d'utiliser LiDAR bon marché (Camsense X1)
[Serveur de location Sakura] Essayez d'utiliser flask.
Essayez d'utiliser Pillow sur iPython (partie 3)
Renforcer l'apprentissage 8 Essayez d'utiliser l'interface utilisateur de Chainer
Essayez d'obtenir des statistiques en utilisant e-Stat
Essayez d'utiliser l'API d'action de Python argparse