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。
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