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。
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