Grantlee模板系统扩展指南:自定义标签与过滤器开发
2025-06-11 06:14:47作者:霍妲思
概述
Grantlee是一个基于Qt的模板引擎,它允许开发者通过插件机制扩展模板系统的功能。本文将详细介绍如何在Grantlee中创建自定义过滤器和标签,以及如何将它们打包成可重用的库。
自定义过滤器开发
过滤器是Grantlee模板系统中的基本构建块,它接收一个输入对象和可选参数,处理后返回字符串结果。
基础过滤器实现
要创建自定义过滤器,需要继承Grantlee::Filter
类并实现doFilter
方法:
class TwiceFilter : public Grantlee::Filter {
QVariant dofilter(const QVariant &input,
const QVariant &arg = QVariant(),
bool autoescape = false) const override {
auto str = getSafeString(input);
return str + str;
}
bool isSafe() const override { return true; }
};
这个示例过滤器会将输入字符串重复两次输出。在模板中使用方式为:{{ name|twice }}
带参数的过滤器
过滤器可以接收参数实现更复杂的功能:
class RepeatFilter : public Grantlee::Filter {
QVariant dofilter(const QVariant &input,
const QVariant &arg,
bool autoescape) const override {
auto str = getSafeString(input);
if (arg.type() != QMetaType::Int)
return str; // 优雅处理错误
for (int i = 0; i < arg.toInt(); ++i) {
str.get().append(str);
}
return str;
}
bool isSafe() const override { return true; }
};
使用示例:{{ name|repeat:"3" }}
会输出输入字符串3次。
错误处理最佳实践
过滤器应该优雅处理所有错误情况,而不是抛出异常。当参数无效时,返回原始输入或空字符串是推荐的做法。
自动转义与安全性
Grantlee提供了自动转义功能来防止XSS攻击,过滤器开发者需要考虑输出内容的安全性。
isSafe()
方法:指示过滤器是否安全(即不会引入不安全内容)autoescape
参数:反映当前模板的自动转义状态
安全过滤器应该始终返回true
,表示它们不会引入需要转义的内容。
自定义标签开发
标签比过滤器更强大,可以控制模板的解析和渲染流程。
简单标签实现
创建自定义标签需要两个步骤:
- 继承
Grantlee::AbstractNodeFactory
实现工厂类 - 继承
Grantlee::Node
实现节点类
class CurrentTimeNode : public Grantlee::Node {
public:
void render(Grantlee::OutputStream *stream,
Grantlee::Context *c) const override {
(*stream) << QDateTime::currentDateTime().toString();
}
};
class CurrentTimeTagFactory : public Grantlee::AbstractNodeFactory {
Grantlee::Node *getNode(const QString &tagContent,
Grantlee::Parser *p) const override {
QStringList parts = smartSplit(tagContent);
parts.removeFirst(); // 移除标签名
if (!parts.isEmpty())
throw Grantlee::Exception(Grantlee::TagSyntaxError,
"current_time不接受参数");
return new CurrentTimeNode();
}
};
带结束标签的复杂标签
许多标签需要开始和结束标记,如if
、for
等。这类标签需要解析中间内容:
Node* IfNodeFactory::getNode(const QString &tagContent, Parser *p) const {
QStringList parts = smartSplit(tagContent);
parts.removeFirst(); // 移除"if"
auto argsList = getFilterExpressionList(parts);
auto node = new IfNode(argsList, p);
// 解析直到遇到else或endif
auto trueList = p->parse(node, QStringList{"else", "endif"});
node->setTrueList(trueList);
auto nextToken = p->takeNextToken();
if (nextToken.content == "else") {
auto falseList = p->parse(node, "endif");
node->setFalseList(falseList);
p->removeNextToken(); // 跳过endif标签
}
return node;
}
这种模式可以扩展到支持多个中间标记,如elif
等。
创建插件库
要使自定义标签和过滤器可用,需要将它们打包为Qt插件:
class MyLibrary : public QObject, public Grantlee::TagLibraryInterface {
Q_OBJECT
Q_INTERFACES(Grantlee::TagLibraryInterface)
public:
MyLibrary(QObject *parent = 0) : QObject(parent) {
m_nodeFactories.insert("mytag", new MyNodeFactory());
m_filters.insert("myfilter", new MyFilter());
}
QHash<QString, Grantlee::AbstractNodeFactory*> nodeFactories() {
return m_nodeFactories;
}
QHash<QString, Grantlee::Filter*> filters() {
return m_filters;
}
};
JavaScript扩展
Grantlee还支持使用JavaScript编写标签和过滤器,这为模板设计者提供了更大的灵活性。
var EchoNode = function(content) {
this.content = content;
this.render = function(context) {
return content.join(" ");
};
};
function EchoNodeFactory(tagContent, parser) {
var content = tagContent.split(" ");
content = content.slice(1, content.length);
return new Node("EchoNode", content);
};
EchoNodeFactory.tagName = "echo";
Library.addFactory("EchoNodeFactory");
JavaScript扩展的关键点:
- 使用
Library
全局对象注册工厂 - 工厂函数返回
Node
对象 - 节点必须实现
render
方法
总结
Grantlee的扩展系统提供了强大的自定义能力,无论是通过C++还是JavaScript。理解过滤器和标签的工作原理,以及如何正确处理自动转义和安全问题,是开发高质量扩展的关键。通过创建可重用的插件库,可以在多个项目中共享自定义模板功能。
登录后查看全文
热门项目推荐
GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
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++0117AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-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。Python00GOT-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).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析2 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析3 freeCodeCamp课程视频测验中的Tab键导航问题解析4 freeCodeCamp课程中屏幕放大器知识点优化分析5 freeCodeCamp英语课程填空题提示缺失问题分析6 freeCodeCamp课程页面空白问题的技术分析与解决方案7 freeCodeCamp Cafe Menu项目中link元素的void特性解析8 freeCodeCamp 课程中关于角色与职责描述的语法优化建议 9 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析10 freeCodeCamp全栈开发课程中React实验项目的分类修正
最新内容推荐
Jetson TX2开发板官方资源完全指南:从入门到精通 WebVideoDownloader:高效网页视频抓取工具全面使用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 高效汇编代码注入器:跨平台x86/x64架构的终极解决方案
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
220
2.25 K

暂无简介
Dart
524
116

React Native鸿蒙化仓库
JavaScript
210
286

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

🎉 (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
982
581

Ascend Extension for PyTorch
Python
67
97

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++
566
91

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
399

GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】
Jinja
40
0