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。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00