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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0105
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
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
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00