Stasis 静态站点动态框架技术文档
1. 安装指南
Stasis 是一个用于生成静态站点的动态框架,支持多种模板引擎。以下是安装 Stasis 的步骤:
通过 RubyGems 安装
Stasis 可以通过 RubyGems 进行安装。确保你已经安装了 Ruby 和 RubyGems,然后在终端中运行以下命令:
$ gem install stasis
安装完成后,你就可以在项目中使用 Stasis 了。
2. 项目的使用说明
基本使用
Stasis 的核心功能是将一个包含模板文件的目录树渲染为静态文件。假设你有一个如下的项目目录结构:
project/
index.html.haml
images/
image.png
在项目根目录下运行 stasis 命令:
$ cd project
$ stasis
Stasis 会生成一个 public 目录,并将模板文件渲染为静态文件:
project/
index.html.haml
images/
image.png
public/
index.html
images/
image.png
开发模式
在开发过程中,你可以使用 -d 参数启动开发模式,Stasis 会在文件保存时自动重新生成静态文件:
$ stasis -d
你还可以指定一个端口启动 HTTP 服务器:
$ stasis -d 3000
指定输出文件或目录
你可以通过 -o 参数指定只渲染特定的文件或目录:
$ stasis -o index.html.haml,subdirectory
更改输出目录
通过 -p 参数可以更改生成的静态文件的输出目录:
$ stasis -p ../public
3. 项目 API 使用文档
控制器
控制器包含在模板渲染之前执行的 Ruby 代码。你可以在任何目录层级中添加控制器文件 controller.rb。
before 块
在 controller.rb 中使用 before 块可以在模板渲染之前执行代码:
before 'index.html.haml' do
@something = true
end
@something 变量现在可以在 index.html.haml 模板中使用。
layout 方法
你可以通过 layout 方法设置默认布局或为特定模板设置布局:
layout 'layout.html.haml'
或者为特定模板设置布局:
layout 'index.html.haml' => 'layout.html.haml'
render 方法
在模板中使用 render 方法可以渲染局部模板:
%html
%body= render '_partial.html.haml'
在 before 块中也可以使用 render 方法:
before 'index.html.haml' do
@partial = render '_partial.html.haml'
end
instead 方法
instead 方法可以改变模板的输出:
before 'index.html.haml' do
instead render('subdirectory/index.html.haml')
end
helpers 方法
通过 helpers 方法可以定义辅助方法,这些方法可以在所有 before 块和模板中使用:
helpers do
def say_hello
'Hello'
end
end
ignore 方法
使用 ignore 方法可以忽略某些路径:
ignore /\/_.*/
priority 方法
通过 priority 方法可以改变文件的处理顺序:
priority /.*txt/ => 2, 'index.html.erb' => 1
4. 项目安装方式
Ruby 库方式
除了命令行工具,Stasis 还可以作为 Ruby 库使用。你可以通过以下方式实例化 Stasis 对象:
stasis = Stasis.new('/path/to/project/root')
你可以指定输出目录:
stasis = Stasis.new('/project', '/html')
渲染所有模板:
stasis.render
渲染特定模板或目录:
stasis.render('index.html.haml', 'subdirectory')
支持的模板引擎
Stasis 使用 Tilt 支持多种模板引擎,包括但不限于:
- ERB
- Haml
- Sass
- Less CSS
- Markdown
- CoffeeScript
完整的支持列表可以在项目的 README 文件中找到。
总结
Stasis 是一个功能强大的静态站点生成框架,支持多种模板引擎和灵活的控制器机制。通过本文档,你可以快速上手 Stasis,并利用其丰富的功能来构建高效的静态站点。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00