Docusaurus 中如何自定义图片资源的输出名称
2025-04-30 13:51:05作者:翟江哲Frasier
在 Docusaurus 项目中,默认情况下会对图片资源添加哈希值作为文件名的一部分。这一设计主要是为了缓存优化考虑,确保当图片内容发生变化时,浏览器能够获取最新的资源版本。
默认行为分析
Docusaurus 使用 Webpack 处理静态资源时,默认配置会对图片文件名添加哈希值。例如,一个名为 example.png 的图片在构建后可能会变成 example.abc123.png 这样的形式。
这种哈希机制带来了以下优势:
- 长期缓存 - 当图片内容不变时,浏览器可以重复使用缓存
- 缓存失效 - 当图片内容更新时,哈希值会变化,确保用户获取最新版本
自定义配置方案
虽然默认行为对大多数项目有利,但在某些特定场景下,开发者可能需要移除这个哈希值。例如:
- 需要固定URL地址用于外部引用
- 与其他系统集成时需要保持文件名不变
- 开发环境调试时希望保持资源路径稳定
Docusaurus 提供了两种主要的解决方案:
方案一:使用静态文件夹
最简单的方法是将图片放置在 static 目录下。这个目录中的内容会被直接复制到构建输出目录,不会经过Webpack处理,因此不会添加哈希值。
使用步骤:
- 在项目根目录创建
static文件夹 - 将图片放入
static/images等子目录 - 在Markdown或React组件中直接引用
/images/example.png
方案二:修改Webpack配置
对于必须通过Webpack处理的图片资源,可以通过自定义插件修改Webpack配置:
module.exports = {
plugins: [
function customImagePlugin(context, options) {
return {
name: 'custom-image-plugin',
configureWebpack(config) {
const imageRule = config.module.rules.find(
(rule) => rule.test && rule.test.test('.png')
);
if (imageRule) {
imageRule.use[0].options.name = 'assets/images/[name].[ext]';
}
return config;
},
};
},
],
};
需要注意的是,直接修改Webpack配置可能会影响构建性能和缓存策略,建议仅在确实需要时使用此方法。
最佳实践建议
- 对于需要固定URL的图片,优先使用static目录方案
- 对于网站主要内容中的图片,保留默认的哈希机制以获得更好的性能
- 如果必须修改Webpack配置,确保了解其对构建系统的影响
- 在团队协作项目中,任何对构建配置的修改都应该明确记录原因
通过合理选择方案,开发者可以在Docusaurus项目中灵活地管理图片资源,既满足特定需求,又保持网站的整体性能。
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
676
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
659
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