SvelteKit 构建优化:如何排除 public 目录
2025-05-11 04:31:01作者:谭伦延
问题背景
在 Svelte 3 项目中,开发者通常使用 Vite 构建工具进行项目打包。通过配置 vite.config.js 文件,可以灵活控制构建行为,例如在开发模式下包含 public 目录,而在生产构建时排除该目录。这种优化对于包含大量静态资源(如图片、视频等)的项目尤为重要,可以显著减少构建输出体积。
Svelte 3 的解决方案
在传统的 Svelte 3 项目中,开发者可以通过以下 Vite 配置实现 public 目录的排除:
export default defineConfig(({ command }) => ({
// ...其他配置
publicDir: command === "serve" ? "public" : false
}));
这种配置方式简单直接,当运行开发服务器时 (npm run dev),Vite 会包含 public 目录;而在生产构建时 (npm run build),则会完全排除 public 目录,从而减小构建输出体积。
SvelteKit 的差异与挑战
迁移到 SvelteKit 后,开发者会发现原有的配置方式不再适用。SvelteKit 对 Vite 配置进行了封装和覆盖,直接修改 vite.config.js 中的 publicDir 会导致错误提示:
[vite] Unexpected option config.kit.publicDir
[vite] server restart failed
这是因为 SvelteKit 通过自己的配置系统管理这些选项,需要采用不同的方式来实现相同的优化目标。
SvelteKit 的解决方案
在 SvelteKit 中,正确的配置方式是通过修改 svelte.config.js 文件:
export default {
kit: {
files: {
assets: process.argv.includes('dev') ? "public" : ""
}
}
};
同时,需要确保 package.json 中的开发脚本正确指定了 dev 命令:
{
"scripts": {
"dev": "vite dev"
}
}
这种配置实现了与 Svelte 3 相同的效果:在开发模式下包含 public 目录,在生产构建时排除该目录。
实现原理分析
- process.argv 检测:通过检查命令行参数是否包含 'dev' 来判断当前运行模式
- 条件赋值:开发模式下指定 public 目录路径,生产模式下置空
- SvelteKit 集成:利用 SvelteKit 的配置系统而非直接修改 Vite 配置
最佳实践建议
- 大型静态资源管理:对于特别大的静态资源,考虑使用 CDN 而非项目打包
- 构建监控:定期检查构建输出体积,确保优化效果
- 环境变量替代:对于更复杂的需求,可以使用环境变量而非 process.argv 检测
- 版本兼容性:注意不同 SvelteKit 版本间的配置差异
总结
从 Svelte 3 迁移到 SvelteKit 时,构建配置需要相应调整。通过合理配置 svelte.config.js 文件,开发者仍然可以实现 public 目录的按需包含,从而优化构建过程和输出结果。这种优化对于包含大量静态资源的项目尤为重要,可以显著提升开发效率和部署性能。
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
最新内容推荐
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 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 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 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
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
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218