Docusaurus 本地搜索插件使用教程
项目介绍
@easyops-cn/docusaurus-search-local 是一个为 Docusaurus v2/v3 设计的离线/本地搜索插件。它支持多语言,特别优化了对中文的支持。该插件最初基于 cmfcmf/docusaurus-search-local 开发,后来完全使用 TypeScript 重写,并进行了样式优化和测试覆盖。
项目快速启动
安装
首先,通过 npm 或 yarn 安装插件:
npm install --save @easyops-cn/docusaurus-search-local
# 或者
yarn add @easyops-cn/docusaurus-search-local
配置
在 docusaurus.config.js 文件中添加插件配置:
module.exports = {
// 其他配置
themes: [
// 其他主题
[
require.resolve("@easyops-cn/docusaurus-search-local"),
/** @type {import("@easyops-cn/docusaurus-search-local").PluginOptions} */
({
// 配置选项
hashed: true,
language: ["en", "zh"],
}),
],
],
};
运行
完成配置后,运行以下命令启动 Docusaurus 项目:
npm run start
# 或者
yarn start
应用案例和最佳实践
案例一:多语言文档站点
假设你正在开发一个支持中英文的文档站点,使用 @easyops-cn/docusaurus-search-local 插件可以轻松实现本地搜索功能。通过配置 language: ["en", "zh"],用户可以在搜索框中输入中英文关键词,插件会自动匹配并显示相关结果。
案例二:大型文档库
对于拥有大量文档的站点,可以通过设置 maxSearchResults 选项来限制搜索结果的数量,以提高搜索效率。例如:
{
maxSearchResults: 10,
}
最佳实践
- 多语言支持:确保在配置中指定所有支持的语言,以提供全面的搜索体验。
- 性能优化:通过调整
maxSearchResults和searchResultContextMaxLength等参数,优化搜索性能和用户体验。 - 自定义样式:使用 CSS 变量自定义搜索框和结果的样式,以匹配站点的整体设计。
典型生态项目
Docusaurus
@easyops-cn/docusaurus-search-local 是基于 Docusaurus 构建的,Docusaurus 是一个用于构建文档站点的开源框架,支持 React 组件和 Markdown 文件。
Algolia DocSearch
Algolia DocSearch 是一个流行的文档搜索解决方案,但它是基于云服务的。@easyops-cn/docusaurus-search-local 提供了本地化的替代方案,适用于需要离线搜索或对数据隐私有较高要求的项目。
Lunr.js
Lunr.js 是一个轻量级的 JavaScript 搜索引擎库,@easyops-cn/docusaurus-search-local 内部使用了 Lunr.js 来实现文档的索引和搜索功能。
通过以上步骤和案例,你可以快速上手并优化使用 @easyops-cn/docusaurus-search-local 插件,为你的 Docusaurus 文档站点提供强大的本地搜索功能。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00