Mermaid图表中非ASCII字符的正确使用方式
2025-04-29 06:06:45作者:邵娇湘
在使用Mermaid图表工具绘制ER图时,开发者经常会遇到需要显示非ASCII字符(如中文、日文等)的情况。本文将以Mermaid项目为例,详细介绍如何正确处理这类字符。
问题背景
在Mermaid的ER图语法中,当我们需要在关系描述或字段注释中使用非ASCII字符时,直接输入可能会导致渲染错误。例如以下代码:
Performance_Goal ||--o{ Performance_Task : 测试
这种写法在某些情况下可能无法正确显示中文字符。
解决方案
Mermaid官方推荐的做法是将所有非ASCII字符用双引号包裹。正确的写法应该是:
Performance_Goal ||--o{ Performance_Task : "测试"
技术原理
这种要求源于Mermaid的语法解析机制:
- 解析器在处理文本时,会按照特定的规则分割标记
- 非ASCII字符可能被解析器误认为是语法标记的一部分
- 使用双引号可以明确告诉解析器这是一个完整的字符串
实际应用示例
以下是一个完整的使用中文注释的ER图示例:
erDiagram
Performance_Goal {
goalId int PK "目标ID"
goalName varchar255 "目标名称"
description text "描述"
deadline date "截止日期"
periodLength int "周期长度"
}
Performance_Goal ||--o{ Performance_Task : "测试"
Performance_Goal ||--o{ Performance_Feedback : "拥有"
对应的Mermaid代码如下:
erDiagram
Performance_Goal {
goalId int PK "目标ID"
goalName varchar255 "目标名称"
description text "描述"
deadline date "截止日期"
periodLength int "周期长度"
}
Performance_Goal ||--o{ Performance_Task : "测试"
Performance_Goal ||--o{ Performance_Feedback : "拥有"
最佳实践建议
- 无论是否必要,建议对所有关系描述和注释文本都使用双引号包裹
- 保持一致性,要么全部使用双引号,要么全部不使用(仅限ASCII字符)
- 在团队协作项目中,应在文档规范中明确这一约定
- 对于复杂的多语言场景,考虑使用转义字符处理特殊符号
总结
Mermaid作为一款强大的图表工具,能够很好地支持多语言场景。通过遵循简单的双引号规则,开发者可以轻松地在ER图和其他图表中使用各种语言的字符,包括中文、日文、韩文等。记住这一简单的语法规则,将帮助您避免许多潜在的渲染问题。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
677
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146