如何在TypeDoc中隐藏特定类型的文档分组
2025-05-28 21:16:00作者:侯霆垣
TypeDoc作为一款优秀的TypeScript文档生成工具,提供了丰富的自定义选项。在实际开发中,我们有时需要隐藏某些特定类型的文档分组(如"Type Aliases"),同时保留这些类型在文档中的引用关系。本文将详细介绍如何通过插件实现这一需求。
需求背景
在大型项目中,类型别名(Type Aliases)可能会大量出现,导致文档导航变得冗长。开发者希望:
- 从导航栏和索引页中移除"Type Aliases"分组
- 保留类型别名在文档中的实际引用(如被接口引用的类型别名仍可查看)
解决方案实现
通过编写TypeDoc插件,我们可以拦截文档生成过程,修改分组结构。核心思路是在文档解析完成后移除特定的分组。
插件代码实现
import td from "typedoc";
export function load(app) {
app.converter.on(
td.Converter.EVENT_RESOLVE_END,
(context) => {
// 遍历所有反射对象
for (const id in context.project.reflections) {
const refl = context.project.reflections[id];
removeSpecificGroup(refl);
}
// 处理项目级别的分组
removeSpecificGroup(context.project);
},
-300 // 设置较低的优先级确保最后执行
);
}
function removeSpecificGroup(refl) {
if (refl.isDeclaration() || refl.isProject()) {
const targetGroups = ["Type Aliases"]; // 可扩展为其他需要隐藏的分组
const groupIndex = refl.groups?.findIndex((g) =>
targetGroups.includes(g.title)
);
if (typeof groupIndex === "number" && groupIndex !== -1) {
refl.groups.splice(groupIndex, 1);
}
}
}
关键点解析
- 事件钩子选择:使用
EVENT_RESOLVE_END事件确保所有文档解析完成后再修改 - 优先级设置:-300的优先级确保插件在其他处理完成后执行
- 分组移除逻辑:通过遍历反射对象找到目标分组并移除
- 多分组支持:通过数组配置可同时隐藏多种类型的分组
进阶优化建议
- 国际化支持:使用
application.i18n获取本地化字符串,而非硬编码 - 配置化:通过typedoc.json配置文件动态指定需要隐藏的分组
- 条件过滤:可扩展为基于特定条件的过滤,如只隐藏特定模块下的类型别名
实现效果
应用该插件后:
- 导航栏和索引页中将不再显示"Type Aliases"分组
- 类型别名的文档内容仍然保留,可通过引用它的接口或其他类型访问
- 文档结构更加简洁,同时不丢失任何技术细节
这种方案特别适合大型项目或公共库的文档生成,能够在保持文档完整性的同时提供更佳的用户体验。
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
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 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 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137