在Just-the-Docs中全局排除H1标题的TOC生成方法
2025-05-28 19:16:34作者:邓越浪Henry
Just-the-Docs是一个基于Jekyll的文档主题,它提供了自动生成目录(TOC)的功能。在实际使用中,开发者可能会遇到需要从目录中排除所有一级标题(H1)的需求。
问题背景
许多开发者使用LSP(Language Server Protocol)工具进行Markdown编辑时,这些工具会自动在标题后添加换行符。这导致无法直接在H1标题后添加{: .no_toc }类来排除该标题从目录中显示。手动为每个H1标题添加排除标记不仅繁琐,而且影响文档的整洁性。
解决方案
通过修改Jekyll配置文件_config.yml,可以全局设置目录生成规则:
kramdown:
toc_levels: 2..6
这个配置利用了Kramdown(Just-the-Docs使用的Markdown解析器)提供的选项功能。toc_levels参数指定了应该包含在目录中的标题级别范围,这里设置为从2级(H2)到6级(H6),从而自动排除所有1级标题(H1)。
技术原理
- Kramdown解析器:作为Jekyll默认支持的Markdown解析器之一,提供了丰富的文档处理选项
- 目录级别控制:
toc_levels参数接受一个范围值,确定哪些级别的标题应该出现在生成的目录中 - 全局配置优势:相比逐个标题添加排除标记,这种方法更加简洁且易于维护
实际效果
应用此配置后:
- 所有H1标题将不会出现在页面目录中
- 无需在每个H1标题后手动添加
{: .no_toc } - 保持文档源文件的整洁性
- 与各种编辑器和LSP工具兼容性更好
最佳实践建议
- 对于文档网站,通常建议保留H1标题作为页面主标题,而使用H2-H6构建内容结构
- 如果确实需要显示某些H1标题在目录中,可以单独为其添加
{:toc}标记 - 此配置不会影响页面内容的显示,只会影响目录生成行为
这种方法简化了文档维护工作流程,特别是对于大型文档项目,能够显著提高开发效率。
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
24
9
Ascend Extension for PyTorch
Python
222
238
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
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217