Thymeleaf教程:深入解析标记选择器语法
2025-06-27 02:00:36作者:尤辰城Agatha
什么是Thymeleaf标记选择器
Thymeleaf的标记选择器是一种强大的模板元素定位机制,它允许开发者通过类似XPath、CSS和jQuery的选择器语法,在模板中精确地定位和操作HTML元素。这种语法基于AttoParser解析库实现,为模板处理提供了极大的灵活性。
基础选择器语法
基本元素选择
//x- 选择当前节点下任何深度的名为x的子元素/x- 仅选择当前节点直接子元素中名为x的元素x- 简写形式,等同于//x
属性选择器
x[@z="v"]- 选择名为x且属性z值为"v"的元素x[@z1="v1" and @z2="v2"]- 多属性联合选择x[i]- 选择第i个名为x的兄弟元素x[@z="v"][i]- 组合选择,先按属性筛选再按位置选择
高级选择技巧
属性比较运算符
除了精确匹配(=),Thymeleaf还支持多种比较方式:
!=- 不等于^=- 以指定值开头$=- 以指定值结尾
例如:x[@class^='section']会选择所有class属性以"section"开头的x元素。
简写语法
Thymeleaf提供了类似jQuery的简洁语法:
x.oneclass等价于x[class='oneclass'].oneclass等价于[class='oneclass']x#oneid等价于x[id='oneid']#oneid等价于[id='oneid']
片段引用选择
Thymeleaf特有的片段选择语法:
x%oneref- 选择带有th:ref="oneref"或th:fragment="oneref"的x元素%oneref- 选择任何带有上述属性的元素
实际应用示例
基本选择示例
<div th:insert="mytemplate :: div.content">...</div>
这会选择模板中class为"content"的div元素。
片段引用示例
<div th:replace="mytemplate :: myfrag">...</div>
这会优先查找th:fragment="myfrag"定义的片段,其次会查找名为myfrag的标签。
类选择器注意事项
<div th:replace="mytemplate :: .myfrag">...</div>
这会严格查找class属性包含"myfrag"的元素,不考虑Thymeleaf片段定义。
多值类匹配特性
Thymeleaf的类选择器支持多值匹配,这是非常实用的特性。例如:
div.two可以成功匹配以下元素:
<div class="one two three" />
即使该div有多个class值,只要包含目标class就能匹配。
最佳实践建议
-
优先使用简洁语法:在可能的情况下,使用类似jQuery的简洁语法(
div.content)而非完整属性选择器形式,提高可读性。 -
明确选择意图:当需要选择Thymeleaf片段时,使用
%语法明确表明意图,避免与普通元素选择混淆。 -
合理使用多值匹配:利用Thymeleaf对多class值的支持,可以创建更灵活的模板结构,但要注意不要过度依赖这种特性导致选择器过于宽泛。
-
组合使用选择器:通过组合元素名、class、id和其他属性,可以创建精确的选择器表达式,提高模板的可维护性。
通过掌握Thymeleaf的标记选择器语法,开发者可以更高效地编写和维护模板,实现复杂的视图逻辑。
登录后查看全文
热门项目推荐
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
最新内容推荐
JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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
307
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
React Native鸿蒙化仓库
JavaScript
259
322
🔥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
🎉 (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
1.19 K
652
仓颉编程语言运行时与标准库。
Cangjie
141
877
仓颉编译器源码及 cjdb 调试工具。
C++
134
867