Gimli 技术文档
Gimli 是一个将标记语言转换为 PDF 文件的实用工具,特别适用于生成报告等文档。它支持多种标记语言,并提供了语法高亮功能。本文将详细介绍如何安装、使用 Gimli,以及如何通过 API 进行文档转换。
1. 安装指南
通过 RubyGems 安装
推荐使用 RubyGems 安装 Gimli:
$ [sudo] gem install gimli
从源码安装
如果你想从源码安装 Gimli,可以按照以下步骤操作:
$ cd gimli/
$ bundle
$ rake install
在 Windows 上安装
在 Windows 系统上使用 Gimli 需要额外安装 wkhtmltopdf 和 which 工具:
-
安装
wkhtmltopdf:- 从 wkhtmltopdf 官网 下载并安装。
- 确保
wkhtmltopdf.exe的路径已添加到系统的$PATH环境变量中,并且位于 Ruby 目录之前。
-
安装
which命令:- 从 GnuWin32 下载并安装
which工具。 - 确保
which.exe的路径已添加到系统的$PATH环境变量中。
- 从 GnuWin32 下载并安装
2. 使用说明
基本使用
在包含标记文件的目录中运行以下命令:
$ gimli
Gimli 会将当前目录下的所有标记文件转换为 PDF 文件。
自定义样式
你可以通过添加 gimli.css 文件来自定义 PDF 的样式,或者使用 -s 参数指定其他 CSS 文件:
$ gimli -s /path/to/custom.css
指定输出目录
默认情况下,Gimli 会在当前目录下生成 PDF 文件。你可以使用 -o 参数指定输出目录:
$ gimli -o /path/to/output
处理 Jekyll 文件
如果你的标记文件包含 Jekyll 的 YAML 前端内容,可以使用 -y 参数移除这些内容:
$ gimli -y
添加封面
你可以通过 -cover 参数为文档添加封面:
$ gimli -f doc-file.md -cover cover-file.md
传递 wkhtmltopdf 参数
使用 -w 参数可以直接传递参数给 wkhtmltopdf,例如添加目录和页脚:
$ gimli -f test.md -w '--toc --footer-right "[page]/[toPage]"'
使用 Docker 容器
Gimli 提供了 Docker 容器,可以在不安装 Gimli 的情况下进行文件转换:
$ docker run -v <host_dir>:<container_dir> walle/gimli -f <container_dir>/my-file.md -o <container_dir>
其中 <host_dir> 是包含待转换文件的目录,<container_dir> 是容器内的目录。
3. API 使用文档
Gimli 提供了命令行接口,可以通过命令行参数进行配置。以下是常用的参数:
-f:指定要转换的标记文件。-o:指定输出目录。-s:指定自定义样式表。-y:移除 Jekyll 的 YAML 前端内容。-cover:指定封面文件。-w:传递参数给wkhtmltopdf。
4. 项目安装方式
Gimli 可以通过 RubyGems 或源码安装,具体步骤见 安装指南。
依赖项
Gimli 依赖于以下工具:
wkhtmltopdf:用于将 HTML 转换为 PDF。which:用于查找wkhtmltopdf的路径。
确保这些工具已正确安装并配置。
语法高亮
Gimli 支持语法高亮,使用以下语法:
def foo
puts 'bar'
end
代码块必须以三个反引号开头,后跟语言名称。支持的语法高亮语言列表请参考 coderay。
通过本文档,你应该能够顺利安装、配置并使用 Gimli 进行文档转换。如有任何问题,请参考官方文档或社区支持。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00