GT表格在Quarto仪表板中的Markdown渲染问题解析
2025-07-04 19:18:28作者:柯茵沙
问题背景
在使用GT表格库与Quarto仪表板结合时,开发者发现了一个有趣的渲染问题:当表格中使用fmt_markdown格式化包含HTML换行符<br/>的文本内容时,表格在Quarto仪表板中无法正常显示。这个问题不仅限于fmt_markdown函数,同样影响使用md()函数进行列标签格式化的场景。
问题重现
通过一个简单的示例可以重现这个问题:
library(gt)
library(dplyr)
library(glue)
head(sp500, n = 3) |>
mutate(test = glue::glue('{LETTERS[row_number()]}<br/>test')) |>
gt() |>
fmt_markdown(columns = c(test))
在Quarto仪表板中,这段代码生成的表格会显示为空白,而预期应该显示包含格式化文本的完整表格。
技术分析
经过深入调查,发现这个问题源于Quarto对HTML内容的处理方式。GT表格在渲染Markdown内容时,会生成类似如下的HTML结构:
<div data-qmd="**here**"><div class='gt_from_md'><p><strong>here</strong></p>
</div></div>
这种嵌套的div结构会导致两个问题:
- Quarto仪表板可能无法正确处理这种嵌套的div标记
- 内容实际上被重复渲染了两次
解决方案
临时解决方案
在Quarto 1.4版本中,可以尝试以下方法:
- 避免在表格中使用HTML标记如
<br/> - 使用GT 0.10.0版本,该版本尚未出现此问题
永久解决方案
Quarto团队在1.5版本中已经修复了这个问题。升级到Quarto 1.5后,上述示例能够正常渲染。修复的关键点包括:
- 改进了对嵌套div标记的处理
- 优化了Markdown内容的渲染流程
最佳实践建议
- 保持GT和Quarto都更新到最新版本
- 在复杂的Markdown格式化前进行小规模测试
- 考虑使用更简单的文本格式替代复杂的HTML标记
- 对于关键报表,建议在开发环境中进行全面测试
总结
这个案例展示了开源工具链中版本兼容性的重要性。当使用多个工具组合时,版本间的细微差异可能导致意外的渲染问题。通过及时更新工具链和遵循最佳实践,可以最大限度地减少这类问题的发生。
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
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
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
670
155
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++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322