TypeDoc自定义装饰器文档标题与路径方案
2025-05-28 05:58:46作者:胡唯隽
背景介绍
TypeDoc作为一款流行的TypeScript文档生成工具,在生成API文档时会将函数统一归类为"Function"类型。然而在实际开发中,我们经常需要区分普通函数和装饰器函数,特别是在大型项目中,这种区分对于文档的可读性和维护性非常重要。
问题分析
默认情况下,TypeDoc将所有函数都标记为"Function"类型,这导致装饰器函数在文档中无法直观地与普通函数区分开来。虽然可以通过@category标签进行分类,但这并不能改变每个装饰器函数页面的标题显示方式。
解决方案
我们可以通过开发TypeDoc插件来实现以下功能:
- 为装饰器函数显示"Decorator"前缀而非"Function"
- 将装饰器函数放在独立的路径下(如/decorators/)
核心实现思路
- 自定义标签定义:引入
@decorator作为修饰标签 - 自动分类:自动为带有装饰器标签的函数添加
@category Decorator分类 - 主题定制:重写默认主题的渲染逻辑,修改标题显示
- 路径定制:将装饰器函数输出到独立目录
关键技术点
标签处理
在插件初始化阶段,我们需要确保@decorator标签被正确识别为修饰标签,同时不会在文档中直接显示:
app.options.setValue("modifierTags", [...app.options.getValue("modifierTags"), DECORATOR_TAG]);
app.options.setValue("notRenderedTags", [...app.options.getValue("notRenderedTags"), DECORATOR_TAG]);
自动分类
通过监听TypeDoc的转换事件,自动为装饰器添加分类:
app.converter.on(Converter.EVENT_CREATE_SIGNATURE, (_context, sig) => {
if (sig.comment?.hasModifier(DECORATOR_TAG)) {
sig.comment.blockTags.push(new CommentTag("@category", [{ kind: "text", text: "Decorator" }]));
}
});
标题定制
通过重写主题渲染上下文,临时修改函数类型的显示文本:
this.internationalization.addTranslations(
this.options.getValue("lang"),
{
kind_function: "Decorator",
},
true,
);
路径定制
重写URL构建逻辑,将装饰器放在独立路径下:
const url = ["decorators", this.getFileName(reflection)].join("/");
urls.push(new UrlMapping(url, reflection, this.reflectionTemplate));
实现注意事项
- 版本兼容性:此方案基于TypeDoc 0.27版本实现,需要注意未来版本可能存在的API变更
- 性能考虑:频繁修改国际化文本可能会影响性能,在实际应用中应考虑优化
- 扩展性:此模式可以扩展支持其他特殊函数类型的定制化显示
实际应用效果
应用此方案后,文档系统将能够:
- 在索引页中通过分类区分装饰器和普通函数
- 为每个装饰器生成独立的文档页面,标题显示为"Decorator: 名称"
- 所有装饰器文档统一存放在/decorators/路径下
这种方案显著提升了文档的可读性和组织结构,特别适合大量使用装饰器的项目,如Angular应用或使用了大量装饰器的Node.js框架。
总结
通过TypeDoc的插件机制,我们可以灵活定制文档生成的各个方面。本文介绍的装饰器文档定制方案不仅解决了基本的显示问题,还通过路径隔离进一步提升了文档的组织结构。这种思路也可以应用于其他需要特殊处理的代码元素,为团队打造更符合实际需求的文档系统。
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
271
2.56 K
deepin linux kernel
C
24
6
React Native鸿蒙化仓库
JavaScript
222
302
Ascend Extension for PyTorch
Python
103
130
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++
597
157
暂无简介
Dart
561
125
一个用于服务器应用开发的综合工具库。
- 零配置文件
- 环境变量和命令行参数配置
- 约定优于配置
- 深刻利用仓颉语言特性
- 只需要开发动态链接库,fboot负责加载、初始化并运行。
Cangjie
224
14
🎉 (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
1.03 K
606
仓颉编译器源码及 cjdb 调试工具。
C++
118
95
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
1.02 K
443