Ruby Stylus 技术文档
本文档将详细介绍如何安装、使用 Ruby Stylus 项目,以及如何使用其 API。以下是项目的主要组成部分:
1. 安装指南
首先,确保您的系统已安装 Node.js。以下是 Ruby Stylus 的安装方法:
-
如果您有
Gemfile,请添加以下代码:gem 'stylus' -
或者,直接在系统中安装:
gem install stylus
ruby-stylus-source 包含 Stylus 源码,作为本项目的依赖项一同安装。ruby-stylus-source 的版本与 Stylus 版本保持一致。
请注意,您仍需要在运行环境中提供 node 命令。本项目还兼容 Heroku Cedar 环境,可以在应用部署期间编译资源。
2. 项目使用说明
Ruby Stylus 通过 Stylus 模块进行交互,您可以编译 Stylus 语法到 CSS,将 CSS 转换回 Stylus,启用插件,以及其他选项:
require 'stylus'
# 接受原始字符串或 IO 对象(如 File、StringIO 或任何响应 'read' 方法的对象)。
Stylus.compile(File.new('application.styl')) # 返回编译后的样式表。
# 使用 :compress 选项,从代码中删除大多数换行符。
Stylus.compile(File.read('application.styl'), compress: true)
# 或者设置全局压缩标志
Stylus.compress = true
Stylus.compile(File.read('application.styl'))
# 将过时的 CSS 转换为出色的 Stylus。
Stylus.convert(File.new('file.css'))
# 直接从 Node.js 导入插件,如 nib。
Stylus.use :nib
# 启用调试信息,将 'linenos' 和 'firebug' 选项发送到 Stylus。
# 如果您向 `Stylus.compile` 方法提供原始内容字符串,请记住发送一个 `:filename` 选项,
# 以便 Stylus 可以定位您的样式表进行正确的检查。
Stylus.debug = true
在 Rails 和资产管道中使用的说明
将 stylus 添加到您的 Gemfile 中后,您可以使用 Rails 3.1 管道处理 .styl 文件。使用 rails generate 生成的任何资源都将具有 .css.styl 扩展名。
任何 @import 指令都将添加样式表作为 sprockets 依赖项,因此当您更新外部库时,它将反映在您的资源指纹上。此外,sprockets 载入路径(通常是 app/assets、lib/assets、vendor/assets 和任何其他 gem 内的 assets 文件夹)将可用于您的样式表。
如果 config.assets.debug 被打开,Stylus 将在您的样式表中输出额外的注释以帮助调试和检查,使用 linenos 和 firebug 选项。查看 FireStylus Firebug 扩展 了解更多信息。
请注意,在默认的 Rails 项目中,您应该删除 sass-rails gem。这个 gem 包括了 tilt gem,这是资产管道所需的,因此您也应该单独添加这个 gem。
# gem 'sass-rails'
gem 'tilt'
对于在部署期间(例如 Heroku)编译资源,您还需要启用/添加 rubyracer gem。
# 请查阅 https://github.com/rails/execjs#readme 了解更多支持的运行时
gem 'therubyracer', platforms: :ruby
3. 项目 API 使用文档
以下是 Ruby Stylus 的一些主要 API 方法:
Stylus.compile(file_or_string, options = {}): 编译 Stylus 语法到 CSS。Stylus.convert(file_or_string): 将 CSS 转换为 Stylus 语法。Stylus.use(plugin): 使用 Node.js 编写的插件。
更多 API 文档和示例,请参考项目仓库。
4. 项目安装方式
请遵循以下步骤以在您的项目中安装 Ruby Stylus:
- 添加
gem 'stylus'到您的Gemfile。 - 运行
bundle install命令以安装依赖项。 - 按照使用说明配置并使用 Ruby Stylus。
确保您的项目环境已正确设置,以便顺利使用 Ruby Stylus。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00