KOReader菜单项优化:隐藏禁用历史记录功能项
2025-05-10 12:20:07作者:彭桢灵Jeremy
KOReader作为一款开源的电子书阅读器软件,其强大的插件系统和高度可定制性一直深受用户喜爱。在最新版本中,社区针对菜单项的显示逻辑进行了深入讨论,特别是关于字典查询和百科历史记录功能的菜单项优化问题。
问题背景
在KOReader的"查找"菜单选项卡中,包含了字典查询、百科查询等多种功能入口。其中,字典查询历史和百科查询历史是两个独立的功能项,即使用户在设置中永久禁用了这些历史记录功能,相关菜单项仍然会显示为灰色状态。
这种设计存在几个潜在问题:
- 占用宝贵的菜单空间,特别是当用户安装多个插件时,可能导致菜单需要分页显示
- 灰色菜单项通常表示"暂时不可用"而非"永久禁用",容易造成用户困惑
- 影响菜单的整体美观性和使用效率
技术实现方案
社区成员提出了几种解决方案,经过讨论最终确定了以下实现方式:
-
条件判断显示:在
ReaderDictionary:addToMainMenu和readerwikipedia.lua相关函数中添加条件判断,使用G_reader_settings:nilOrFalse("disable_lookup_history")来检查历史记录功能是否被禁用 -
菜单动态刷新:由于KOReader的菜单系统较为复杂,完全动态刷新菜单存在技术难度。因此采用折中方案,在设置变更后通过信息提示告知用户需要重启或打开新书籍才能使变更生效
-
自定义菜单排序:作为替代方案,高级用户可以通过创建
settings/reader_menu_order.lua文件来自定义菜单项顺序和显示状态
自定义菜单配置示例
对于希望手动优化菜单显示的用户,可以创建以下配置文件:
local order = {
search = {
"search_settings",
"----------------------------",
"dictionary_lookup",
"vocabbuilder",
"----------------------------",
"wikipedia_lookup",
"----------------------------",
"translate_current_page",
"----------------------------",
"find_book_in_calibre_catalog",
"fulltext_search",
"fulltext_search_findall_results",
"bookmark_search",
},
["KOMenu:disabled"] = {
"dictionary_lookup_history",
"wikipedia_history"
}
}
return order
设计原则与最佳实践
通过这次优化讨论,我们可以总结出几个KOReader菜单设计的重要原则:
- 一致性原则:永久禁用的功能应该完全隐藏,而暂时不可用的功能才使用灰色显示
- 空间效率:在有限的屏幕空间内,应该优先显示用户最需要的功能
- 用户控制:提供多种定制方式满足不同用户需求,从简单设置到高级配置文件
- 渐进式改进:在保持系统稳定的前提下,逐步优化用户体验
未来优化方向
虽然当前方案已经解决了核心问题,但社区仍在探讨更完善的解决方案:
- 菜单分组优化:考虑按功能而非类别分组,如将所有查询功能放在第一页,历史记录放在第二页
- 长按手势支持:为常用功能添加快捷操作,如长按字典查询直接打开字典管理界面
- 历史记录数量统一:目前不同功能的历史记录保留数量不一致,未来可能统一标准
这些优化将进一步提升KOReader的用户体验,使其在保持强大功能的同时,操作更加直观高效。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
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
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
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++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.21 K
660