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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00