Visualisation de l'historique d'une partie de loup-garou RP
Go to file
2020-11-16 04:17:24 +01:00
lg Automatically register users 2020-11-16 04:00:23 +01:00
lglog Run test 2020-11-16 04:13:20 +01:00
locale/fr/LC_MESSAGES Add translations 2020-11-15 21:39:43 +01:00
.gitignore Init models 2020-11-15 19:27:18 +01:00
.gitlab-ci.yml 🎉 Init Django project 2020-11-15 17:05:54 +01:00
Dockerfile 🎉 Init Django project 2020-11-15 17:05:54 +01:00
entrypoint.sh 🎉 Init Django project 2020-11-15 17:05:54 +01:00
LICENSE 🎉 Init Django project 2020-11-15 17:05:54 +01:00
manage.py 🎉 Init Django project 2020-11-15 17:05:54 +01:00
nginx.conf 🎉 Init Django project 2020-11-15 17:05:54 +01:00
README.md 🎉 Init Django project 2020-11-15 17:05:54 +01:00
requirements.txt Django crispy forms was missing in tests 2020-11-16 04:17:24 +01:00
tox.ini Django crispy forms was missing in tests 2020-11-16 04:17:24 +01:00

License: GPL v3 pipeline status coverage report

Historique de partie de loup-garou

Petit site pour pouvoir consulter l'historique d'une partie de loup-garou

Création d'un environnement de développement

  1. Installation des dépendances de la distribution. Vous devez déjà installer Python et le module qui permet de créer des environnements virtuels. On donne ci-dessous l'exemple pour une distribution basée sur Debian, mais vous pouvez facilement adapter pour ArchLinux ou autre.

    $ sudo apt update
    $ sudo apt install --no-install-recommends -y python3-setuptools python3-venv python3-dev git
    
  2. Clonage du dépot là où vous voulez :

    $ git clone git@gitlab.crans.org:ynerant/lglog.git && cd lglog
    
  3. Création d'un environment de travail Python décorrélé du système. On n'utilise pas --system-site-packages ici pour ne pas avoir des clashs de versions de modules avec le système.

    $ python3 -m venv env
    $ source env/bin/activate  # entrer dans l'environnement
    (env)$ pip3 install -r requirements.txt
    (env)$ deactivate  # sortir de l'environnement
    
  4. Migrations et chargement des données initiales. Pour initialiser la base de données avec de quoi travailler.

    (env)$ ./manage.py collectstatic --noinput
    (env)$ ./manage.py compilemessages
    (env)$ ./manage.py makemigrations
    (env)$ ./manage.py migrate
    (env)$ ./manage.py loaddata initial
    (env)$ ./manage.py createsuperuser  # Création d'un utilisateur initial
    
  5. Enjoy :

    (env)$ ./manage.py runserver 0.0.0.0:8000
    

Installation avec Docker

Il est possible de travailler sur une instance Docker.

Pour construire l'image Docker lglog,

git clone https://gitlab.crans.org/ynerant/lglog/ && cd lglog
docker build . -t lglog

Ensuite pour lancer le site en tant que vous (option -u), l'exposer sur son port 80 (option -p) et monter le code en écriture (option -v),

docker run -it --rm -u $(id -u):$(id -g) -v "$(pwd):/code" -p 80:80 lglog

Si vous souhaitez lancer une commande spéciale, vous pouvez l'ajouter à la fin, par exemple,

docker run -it --rm -u $(id -u):$(id -g) -v "$(pwd):/code/" -p 80:80 lglog python3 ./manage.py createsuperuser