TinyIB 技术文档
2024-12-23 15:28:55作者:董斯意
1. 安装指南
1.1 系统要求
- PHP 4.3+
- GD Image Processing Library(通常默认安装,如果禁用图片上传则不需要)
1.2 安装步骤
- 进入你希望安装 TinyIB 的目录。
- 运行以下命令克隆项目:
git clone git://github.com/tslocum/TinyIB.git ./ - 将
settings.default.php复制为settings.php:cp settings.default.php settings.php - 配置
settings.php:- 如果需要上传 WebM 文件,确保服务器运行在 Linux 上,并安装
mediainfo和ffmpegthumbnailer。 - 如果需要启用 moderation 功能,确保
TINYIB_DBMODE设置为mysql、mysqli或pdo,并根据需要设置TINYIB_REQMOD。 - 如果使用 ImageMagick 生成缩略图,安装 ImageMagick 并确保
convert命令可用,然后将TINYIB_THUMBNAIL设置为imagemagick。
- 如果需要上传 WebM 文件,确保服务器运行在 Linux 上,并安装
- 设置目录权限:
- 确保以下目录可写:
././src/./thumb/./res/./inc/flatfile/(仅在使用flatfile数据库模式时)
- 确保以下目录可写:
- 在浏览器中访问
imgboard.php,系统将自动创建数据库结构并生成index.html文件。
2. 项目使用说明
2.1 基本功能
- 支持上传 GIF、JPG、PNG、SWF 和 WebM 文件。
- 支持嵌入 YouTube、Vimeo 和 SoundCloud 内容。
- 内置简单 CAPTCHA 验证,支持 reCAPTCHA。
- 支持引用链接
>>###。 - 通过密码删除帖子。
- 管理面板:
- 管理员和 moderator 使用不同的密码。
- moderator 只能置顶帖子、删除帖子和审核帖子。
- 管理员可以禁止用户、发布 HTML 内容,并自动升级通过 Git 安装的版本。
2.2 管理与维护
- 登录管理面板:点击
[Manage]登录。 - 删除帖子:在帖子旁边勾选复选框,滚动到底部点击
Delete。 - 升级:如果通过 Git 安装,运行
git pull获取最新版本。 - 迁移数据库:TinyIB 支持从 flat file 迁移到 MySQL,迁移过程中无法创建或删除帖子。
3. 项目API使用文档
TinyIB 主要通过 Web 界面进行操作,API 文档较为简单,主要涉及以下几个方面:
3.1 管理面板 API
- 登录:通过
[Manage]按钮登录管理面板。 - 删除帖子:通过勾选帖子复选框并点击
Delete按钮删除帖子。 - 审核帖子:管理员可以通过管理面板审核帖子。
3.2 数据库 API
- 数据库模式:支持
mysql、mysqli、pdo和flatfile模式。 - 数据库迁移:支持从
flatfile迁移到mysql。
4. 项目安装方式
TinyIB 支持多种安装方式:
4.1 Git 安装
- 运行
git clone git://github.com/tslocum/TinyIB.git ./克隆项目。
4.2 手动下载安装
- 从 GitHub 下载 ZIP 文件并解压到服务器目录。
4.3 配置文件
- 复制
settings.default.php为settings.php并进行配置。
4.4 目录权限设置
- 确保
./、./src/、./thumb/、./res/和./inc/flatfile/目录可写。
通过以上步骤,你可以成功安装并配置 TinyIB,开始使用这个轻量级的图片板脚本。
登录后查看全文
热门项目推荐
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-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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
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
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210