Vitepress中实现多路由共享同一Markdown内容的方法
在Vitepress项目中,开发者有时会遇到需要让多个不同路由显示相同内容的需求。本文将详细介绍如何通过文件引用和配置排除来实现这一功能。
需求场景分析
假设我们有以下文件结构:
/docs/shared/foo.md
/docs/category-1/bar.md
/docs/category-2/baz.md
业务需求是让/category-1/bar和/category-2/baz两个路由都显示/shared/foo.md文件的内容,同时不希望/shared/foo成为一个可访问的路由。
实现方案
1. 使用Markdown文件包含功能
Vitepress内置支持Markdown文件包含功能,这为解决此类需求提供了完美方案。我们可以在目标文件中直接引用共享文件的内容。
2. 具体实现步骤
-
创建共享文件:在
/docs/shared/目录下创建foo.md文件,编写需要共享的内容。 -
创建路由文件:在
/docs/category-1/bar.md和/docs/category-2/baz.md中,使用以下方式引用共享内容:
@[code](../shared/foo.md)
- 配置排除共享路由:在Vitepress配置文件中添加以下配置,确保
/shared/foo不会生成实际路由:
export default {
srcExclude: ['**/shared/**']
}
技术原理
这种实现方式利用了Vitepress的几个关键特性:
-
Markdown预处理:Vitepress在构建时会解析所有Markdown文件,处理其中的特殊语法,包括文件包含指令。
-
路由生成机制:通过
srcExclude配置,我们可以精确控制哪些文件会被排除在路由生成之外,同时这些文件仍然可以被其他文件引用。 -
内容解析顺序:Vitepress会先处理所有Markdown文件的内容,然后再根据配置生成路由,因此被排除的文件内容仍然可以被正确解析和引用。
注意事项
-
路径引用需要使用相对路径,确保在不同目录层级下都能正确找到共享文件。
-
共享文件修改后,所有引用该文件的路由内容都会自动更新,无需手动同步。
-
如果共享文件包含Frontmatter,这些元数据不会被自动继承到引用文件中,需要在引用文件中单独定义。
扩展应用
这种方法不仅适用于简单的文本共享,还可以用于:
- 维护跨多个页面的公共内容片段
- 创建可重用的文档组件
- 实现多语言文档的内容复用
通过合理组织共享文件和路由文件,可以大大减少内容维护的工作量,提高文档系统的一致性和可维护性。
总结
Vitepress通过其灵活的Markdown处理能力和配置选项,为多路由共享内容提供了简洁高效的解决方案。开发者只需合理组织文件结构,利用内置的文件包含功能,就能轻松实现内容的复用和路由的精确控制。这种方法既保持了内容的单一真实来源,又提供了灵活的路由展示方式,是构建复杂文档系统的有效手段。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00