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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00