Craft CMS中预览模式下URL生成问题的解决方案
问题背景
在Craft CMS开发过程中,开发者经常遇到一个特殊场景下的URL生成问题:当使用预览模式查看内容时,某些动态生成的URL会出现格式错误,导致链接失效。这个问题在Craft CMS的多个版本中都有出现,特别是在处理自定义路由和子页面时表现尤为明显。
问题现象
假设我们有一个博客系统,其中包含以下结构:
- 主博客文章页面:
blog/{slug} - 评论子页面:
blog/{slug}/comments
在模板中使用如下代码生成评论页面的链接:
<a href="{{ url("#{entry.url}/comments")}}">View comments</a>
在正常浏览模式下,这个链接能正确生成如blog/post_slug/comments的URL。但当进入预览模式后,生成的URL会变成blog/post_slug?preview=123.../comments这样的格式,这显然是一个无效的URL结构,会导致404错误。
问题原因分析
这个问题的根本原因在于entry.url属性在预览模式下会自动附加预览相关的查询参数(如preview token等)。当这些参数被插入到URL路径中间而不是末尾时,就破坏了URL的标准结构。
具体来说:
entry.url在预览模式下会返回带有查询参数的完整URL- 直接拼接路径部分会导致查询参数出现在错误的位置
- 标准的URL结构要求查询参数必须出现在整个URL的末尾
解决方案
Craft CMS提供了更合适的属性entry.uri来解决这个问题。uri属性只返回内容的路径部分,不包含域名和查询参数,因此更适合用于URL的拼接操作。
修正后的代码应该是:
<a href="{{ url("#{entry.uri}/comments")}}">View comments</a>
使用entry.uri的优势:
- 始终只返回内容的路径部分(如
blog/post_slug) - 不会自动附加预览参数
- 与
url()函数配合使用时,预览参数会被正确地添加到最终URL的末尾
最佳实践建议
-
区分使用场景:
- 需要完整URL(含域名)时使用
entry.url - 需要拼接路径时使用
entry.uri
- 需要完整URL(含域名)时使用
-
路由配置: 确保路由配置文件正确处理URI参数,例如:
'blog/<entrySlug:{slug}>/comments' => ['template' => 'blog/comments'] -
预览兼容性测试: 开发过程中应专门测试预览模式下的所有链接是否正常。
深入理解
理解Craft CMS中几个关键属性的区别很重要:
url:完整URL,包含协议和域名,预览模式下会附加参数uri:相对路径,不包含域名和查询参数linkUrl:用于CP编辑链接cpEditUrl:CP编辑URL
在大多数前端模板开发中,uri是最安全的选择,因为它不会意外引入不想要的参数或域名。
总结
在Craft CMS开发中,正确处理URL是确保网站功能完整性的重要环节。特别是在预览模式下,使用entry.uri而非entry.url来构建动态路径可以避免URL结构破坏的问题。这个技巧不仅适用于评论页面这样的子页面场景,也适用于任何需要在基础URL后追加路径的情况。
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