CSSSplitter 技术文档
1. 安装指南
在 Rails 3.1+ 应用中使用 Asset Pipeline 时,若遇到 IE 浏览器样式表选择器超过 4095 的限制,可以使用 CSSSplitter 进行样式表的拆分。要安装 CSSSplitter,只需在 Gemfile 中添加以下代码:
gem 'css_splitter'
然后执行 bundle install 命令安装依赖。
2. 项目的使用说明
CSSSplitter 能够与 Rails 3.1+ 的 Asset Pipeline 集成,自动生成超过 4095 选择器的额外拆分样式表,以确保在旧版 IE 浏览器中能够正确应用所有样式。
拆分样式表
首先,需要确定哪些样式表超过了 4095 选择器的限制。对于需要拆分的样式表,创建一个新的文件,文件名在原文件名后添加 _splitN 后缀,文件扩展名为 .css。
例如,对于 too_big_stylesheet.css.scss,需要创建一个新文件 too_big_stylesheet_split2.css,并在该文件中添加以下内容:
/*
*= require 'too_big_stylesheet'
*/
如果样式表非常大,需要进一步拆分,可以创建 _split3、_split4 等文件,这些文件的内容应与 _split2 文件相同。
同时,确保将这些新文件添加到 Asset Pipeline 的预编译列表中:
# config/application.rb
module MyApp
class Application < Rails::Application
config.assets.precompile += %w( too_big_stylesheet_split2.css )
end
end
包括拆分的样式表
在完成样式表的拆分后,需要修改 HTML 布局,以确保旧版 IE(IE9 及以下版本)使用拆分的样式表。
可以使用 split_stylesheet_link_tag 助手来实现,例如:
# app/views/layout/application.html.erb
<%= split_stylesheet_link_tag "too_big_stylesheet", :media => "all" %>
如果样式表被拆分为多个文件,可以使用 split_count 选项指定文件总数:
<%= split_stylesheet_link_tag "too_big_stylesheet", :split_count => 3 %>
或者,手动创建类似的 HTML 代码。
3. 项目API使用文档
CSSSplitter 提供了 split_stylesheet_link_tag 助手,用于生成包含拆分样式表的 HTML 链接标签。
使用方式如下:
<%= split_stylesheet_link_tag "stylesheet_name", options = {} %>
其中 options 可以包含以下参数:
:media:指定样式表的媒体类型。:split_count:当样式表被拆分为多个文件时,指定文件的总数。
4. 项目安装方式
如安装指南所述,通过将 gem 'css_splitter' 添加到 Gemfile 中,然后运行 bundle install 来安装 CSSSplitter。
确保将 split_stylesheet_link_tag 助手用于 Rails 应用的布局文件中,并且将拆分的样式表文件添加到预编译列表中。
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