next-translate项目在App Router中实现多域名国际化方案
2025-06-29 10:42:51作者:钟日瑜
背景介绍
next-translate是一个为Next.js应用提供国际化支持的轻量级库,它简化了多语言网站的开发流程。在Next.js 13引入App Router架构后,开发者需要调整国际化策略以适应新的路由系统。
问题场景
在将Page Router迁移到App Router的过程中,开发者遇到了多域名国际化配置失效的问题。具体表现为:
- 每个供应商(vendor)拥有独立域名(如vendor.us、vendor.es等)
- 每个域名应默认显示对应语言(us域名显示英文,es域名显示西班牙文等)
- 在App Router下,所有域名都回退到了根配置的defaultLocale,而非各自域名的默认语言
解决方案分析
传统配置方式
在Page Router中,next-translate通过next.config.js的i18n配置可以完美支持多域名国际化:
i18n: {
locales: ['en', 'es', 'fr'],
defaultLocale: 'en',
localeDetection: false,
domains: [
{
domain: "www.vendor.com",
defaultLocale: "en"
},
{
domain: "www.vendor.fr",
defaultLocale: "fr"
},
{
domain: "www.vendor.es",
defaultLocale: "es"
}
]
}
App Router下的调整
在App Router架构下,需要结合Middleware来实现相同的功能。关键点包括:
- Middleware位置:必须放置在src目录下才能生效
- 语言检测逻辑:从请求中获取当前语言设置
- URL重写:确保路由正确处理语言参数
实现代码
import i18n from "@i18n"
import { NextResponse } from "next/server"
export function middleware(request) {
// 获取当前语言设置,若无则使用默认语言
const locale = request.nextUrl.locale || i18n.defaultLocale
// 设置语言查询参数
request.nextUrl.searchParams.set("lang", locale)
// 移除URL中的语言前缀
request.nextUrl.href = request.nextUrl.href.replace(`/${locale}`, "")
// 重写URL
return NextResponse.rewrite(request.nextUrl)
}
技术要点
- Middleware机制:Next.js的Middleware允许在请求到达页面前进行拦截和处理,是实现国际化的理想位置
- 语言优先级:系统会按照域名默认语言 > 用户偏好 > 根默认语言的顺序确定最终语言
- URL处理:需要正确处理语言参数和路径,确保路由系统能准确解析
最佳实践建议
- 统一配置管理:将i18n配置集中管理,便于维护和扩展
- 测试覆盖:确保各域名下的语言切换功能正常
- 性能考量:Middleware会增加少量开销,应保持逻辑简洁
- 渐进迁移:对于大型项目,可采用混合路由模式逐步迁移
总结
next-translate在App Router架构下依然能够提供简洁高效的国际化解决方案。通过合理使用Middleware配合i18n配置,开发者可以轻松实现基于域名的多语言支持。相比其他国际化方案,next-translate保持了配置简单、易于集成的特点,是Next.js项目国际化的优选方案。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
765
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
680
1.33 K
Ascend Extension for PyTorch
Python
719
879
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
456
438
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++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
303
118
昇腾LLM分布式训练框架
Python
178
220